（来源：上观新闻）
最后，🚶♀️🍆解码器的输出经过🇨🇽全局平均池化压👨👩👦👦缩后，被分别送🕍入四个独立的预🦜测头🌊🔍。他们必须了解如何😛在各种类型👩❤️👩的设计🈺中实现🇧🇼高性能🔦。一个最直接的❄🗳信号，是版本号🎧。听起来很合理，🇨🇺🍩但问题♊出在AI推☂🤢理的特殊🤲性上🦘。当然，这个系🎁统离人类顶尖研🍧究人员的🔧🇺🇳水平还有👥👞距离——在🚌🏤Paper🥙🗣Ben🥺ch上，顶尖🐻🧠机器学习博🎞🛏士生在48小时🏈内能完成约4🐺1%的评分要求，🇹🇫而AI科学🤲家目前达到的是约😡33.73%🇵🇾🇺🇳。
他们开发了一个叫🇸🇲🛃做AiScien🇨🇴3️⃣tist（以下简🔄称"AI科学🌇🇲🇹家"）😦的系统，并在两个⛸🏅业界公认颇具挑🚘⚾战性的测试基准🚴♀️上验证了🥴📱它的能力👨❤️💋👨。前三个头使用交叉😵熵损失🌍函数（适合分类任🇸🇸🧢务），第🧞♀️🇳🇷四个头使用🇸🇪👏L1损失函😓数（适合数值🎊🎴回归任务）🚬🇰🇲。两家公司，🇵🇫同一个☀🇹🇯优化器，解决同🚓🤺一个问题，走的⚖🇨🇱是两条路🏴。
