（来源：上观新闻）
训练方式是一种🇰🇷😌叫做G🔧RPO的强化学习⬅🇳🇦算法：🇺🇳🎑AI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🙊⛸。
具体来说，😞失真图处理🇦🇩的是一对图像—📣👨👦👦—一张叫🇺🇦🍀做"锚图"🏃🤘（anchor，🐪📩可以理解为参照图💞🏴），另⏮一张叫做"目👺🕠标图"（📍target，即🤨🤶被比较的图）👨✈️。更重要的⏳是，由于每个插件🐡只专注于☠🌓一种能🔱👿力，训🕚🏵练信号非常集🔠中，AI能够快😄速、有😆🏚效地掌👜握这项技👅能，而不🇸🇿🇮🇹会因为同时学习🚽🇻🇦太多东西而5️⃣🤯产生混🎿乱💀🧗♂️。
🛡️ 生成前⭕👨👧👦自我审查（✈🏓Self-Cor⛰🎽recti😚on） — 🍃🏴模型在🔹输出前会模拟草稿🐶🤥，检查文👶字渲染、逻🥛辑关系、色🔘值对比😅👩🎤。你甚至🥐还能在会场里👩🦳✊看到正在和境💳🧗♀️sem优化师是做什么的外友人“切磋球🧥😬技”的人形♦☢机器人👨👨👧👦。这个概念是整🚴🤨个系统的⚠🦀技术基石，🔥🔍也是它🔟🔂与其他AI系🇬🇸统最显著的🐽5️⃣区别之一🎬。
