（来源：上观新闻）
最终，P🇬🇳ANDA👨⚖️🏞SET 包含👩🚒了超过52.8🇨🇩万对图像，覆盖训🦵🐮练集（约48🍘火端泛站万对）、🙌3️⃣验证集（约1🐅💔.2万对）📨和测试🏦集（约3.6万😜🈶对）🐙火端泛站。它有意保🚥持了架构的简单，🏦留有很大的🚹改进空间🦹♀️🚟，特别是🛰在处理🍰视觉细节复杂的💎🇾🇹区域时💕🐄。但斯坦福大📿✈学的研究团队采🙆🚵用了一种截📀然不同的思路😨——先像医生🖐一样给AI"做检👨👨👧👦查"，找出它🇮🇷到底哪里出了问🚺题，然后专门针对⚰这些薄弱环🛫节设计练习题，让🥔AI反🗺🧣复练习⏺🕺直到真🐽正掌握🐡这项技能🚽。
Muo🐤👩👩👦👦n优化器 V4👨👩👧👧🎟训练中绝大多🇵🇪🇰🇼数参数优化用的🍨🇹🇴不是Ada🏃mW，是👍Muon🇺🇸😽。况且真人🐫🇮🇪塑造的角色，往往🐍带有演员自己🌲🙅的影子和温度🇵🇱🇺🇿，而AI无论多么◼🚈还原，也只是一堆📴冰冷的算法🇦🇲🏨。其三是更均衡🚒的向量🏩🎒处理单元（V🇲🇿😅PU）扩➕🇹🇦展设计，使🏹量化、sof🤯🌘tmax等向🛂🐺量操作与矩🤼♀️🐔阵乘法实现更好的🥍🆚流水线重叠，提😥🥾升芯片整体利用🤨🇦🇹火端泛站率👩💻。第一个是Pap💘erBenc🇨🇷✉h，由Ope🕟💚nAI🇲🇳📦参与设计，🇭🇺🕕专门用来测试➗🇬🇪AI从头复现顶🉐级机器学习▶会议论文🦵的能力📍🐞。
