（来源：上观新闻）
4月21日💎💈，爱奇艺股价跌♻🧀至1.4美🤥🏡元，市🤨值约13〰亿美元，再创🇪🇦🉐历史新低🏦😤。2016🇹🇯年，特斯🎧拉以26亿美元的📟股票交易收购了S🧗♂️🇩🇬olarCi🇲🇴ty😧。实验数🎂据显示🤝，SPP👱O大约在22小时🚳◼内就能🦓😴达到约58分的🏫峰值水平，而👨💻🧪GRPO等方法需☘👨⚕️要明显👮更长的时✒🥿间才能🕳🥿达到可比水平，🤝整体速度差距约🏌为5.⏺9倍🔴👫。最终，PAND♊🏊♀️ASET 包含👩🎤了超过52.🥣国内比较好的saas平台8万对😲图像，😩🕋覆盖训练集（约🐱48万对）😖😨、验证集（约1🐌🇯🇲.2万对）⛰和测试集（约3😉🇫🇯.6万对）❕。
它的思路是直接☁🚉扔掉那个不靠谱🧺🦢的打分员，👥改用一种☑↘"横向比较"的🏊📏方式：对🇲🇹🔊同一道题，让♓🗒AI同时🍭👩❤️💋👩生成一🗨🤣批答案（通常是8🛋个），然后以这🇲🇸🚀批答案的平🌑均得分作为基准🔥，那些🎵比平均水平好的🇲🇱🇲🇦答案就得到🛏🇻🇦奖励，差的就受🐟⏩到惩罚👩💻。Q-Be👑nch 等工作侧🔐🙌重于单张🔞🐹图像的♐🇲🇲整体质量分🕞析；DQ49🔕5K、MICBe🙅♂️nch 等工作虽🧵然涉及图像对🇷🇴比，但不是以区🎰⏮域为核心出发点；🐑Seagul🌁l、QGroun🕸d、Grou🚿👀nding-I♑☎QA 等🇲🇲工作虽然🇯🇲🍚涉及区域级分析🇱🇺，但只针📹🌜对单张图像，不🇷🇴🐄支持两张图片🇧🇾之间的区域级比较😗🖌。
我们仅🦟🌜提供了🕶💸图中所示的🎉功能作为 🍐🍭DC 的一部分；🤣🇿🇼其组成由🌮第 2 节中描述↘的 DC Cor📿🍸e 模块🇵🇰决定🇪🇺。两种方式都🙃🥪有一个共同的🤟🥿国内比较好的saas平台缺陷：AI从训练😒信号中得到的🦋反馈，是"这🍺个任务整体🦝🧠成功了"或"失败🏏了"，😔🇮🇲而不是"你🇧🇿👰在第三步查询数据💶🎳时出了问🌵题"🦑。在1.5B规模👺（15亿参0️⃣国内比较好的saas平台数）的模型上，7️⃣标准PPO的综合👴🇲🇫平均分是🇲🇹44.0🚖🏃6，甚至低于未经🥋💫训练的基础模型（🧟♀️44.🎻96）🇬🇱🇨🇾。
