（来源：上观新闻）
训练方式是一☀种叫做GR📁🥅PO的强化学🏷习算法：A✔I在练习场景中一🇨🇰👀次生成多个不🙁😥同的答案，⏱🙍系统根据每个📤答案的™😕好坏给出分数🇮🇹，然后通过🌥🔈对比组内分💁♂️数的高低▶来计算每个答案🇺🇸应该被强化还🏯是削弱™🇨🇮。周一围谈🧸“真人👾✏表演成非🏦👩⚖️遗” 💅一个月前，一则㊗“男二🙏以下全换A🍋🍚I”的消息，划下👩👧🇧🇾内娱“斩杀线”🦛🙏，搅得一☢团乱🍓。就像把一群😓💧优秀的人放在一起🏉，就会有想🏖不到的化学反应⏏📮一样，把🎭一群 Agent📎🎪 放到一起🤗💈，应该也会是这样🇱🇰🇼🇸。
回头看，人类每👘🐝一次和技术的关系🐢🇧🇫变化，其实都伴随💺🕶着自我理🇲🇭解的更新😅🇨🇿。专家代理各👋🗡有分工🇰🇭👷。一个是"👠对比差距"：某种💞能力在失败🎏🍟案例中缺失的😐比例，减去它💗👱在成功案例🤢🔶中缺失👨🌾🏴☠️的比例😎🇹🇰。三个模块各🍋司其职，数据依⏭🏕次传递🈲。从爱奇艺🤷♀️💁♂️八年来跌😺得一地桃毛的🍄股价，就🎓可以感受♓到影视寒冬有🧲多冷🧼。由孙立宁院士🖼领衔的🖊“具身🚰智能研究院”👀🍭，定位为汇🇩🇿博机器🏳人的“高端外脑🔭”与“产🚐业链补🎒💮足者”，💸与背负出🖕🔈货与成本KP🥵I的汇博机器人🇮🇹🐙内部研发团队形成🏋️♀️🐥差异化🇮🇳协同🖲。
GRPO因为每👫道题都需🇲🇰🏣要生成8🌐👱♀️个答案，🇧🇧训练进程推进得🍦很慢😇。Q2：P🇮🇸⏭ANDA模型和🥭🔺GPT-4o🗜📬这类大🚨模型相比有什么优🔮势？ A：⏪🏋️♀️PANDA的参👨✈️数量只有0.0📬28亿，处理一对🚅🤫图片仅需3🇷🇸🦖.53秒🇭🇲🇬🇷；而GPT-📀👩❤️👩4o等大模型参数👩🔧🔖量达数🛅🍲百亿甚至更多，且🇺🇳在区域级🇾🇪🍂质量比🇧🇩较任务上准确率仅4️⃣🤼♀️26%，🌳🐱接近随机猜测的2🦡🍿0%🔘。研究团队通过🀄2️⃣在 KADID🗞-10📌k 和 T🕵ID2013🎖🇨🇻 上的验证，💄证明了合成失真与🧣人类主🐑观感知具有🚷😄合理的一🇨🇺致性，🐡🇸🇩但更大🚍🎵规模的真🐁🦔实世界失真数🔕🕟据集仍是未来的重🇫🇯要方向🍲。
