（来源：上观新闻）
实验方案参考了🇱🇦🤥"组合链式🤧思考提示"的🥈🀄做法——先🥇🇬🇵用 PANDA 🕡生成一份失真图🇱🇸，再明确告诉 G💄🔤PT-5 Min🇬🇶i："这是一份🥨关于这两张图🌳🇲🇶片各区🏣🇿🇲域质量对🍌🇬🇮比的参考信息，请🙅♂️☸把它当作辅助线索👨👧👦，如果你从图像本📼🔮身看到了与这份信👨👨👧👦息矛盾的地方🥛，请以图像本身🥥为准⤴🎶。一些细🇱🇹🈺节微调包括，😞affinit😇y sco🥞re的激活函数从🏣Sigmo🛫🐖id换成🏴🔦了Sqrt🏮(Softp🤷♀️lus(·)🧘♂️)，去掉了r✝outing t🗑arget no🦔📽des🚖的数量约😓🎛束，前几层de😤😚nse 🌂💣FFN换👨👨👧成了用Has🏦🎍h routin⏸🇫🇯g的MoE层🉐。
而且，最🗾新技术通常🏳️🌈🕋需要多年时间和巨📶大的工🐗🎳程成本才能😔🇹🇩最终惠及消费者✖🇲🇽。从腾讯的⚾🎒“work🏴☠️.rally”↖、爱奇艺的纳🇬🇾逗AI、字节的S😘🕒eedanc🇳🇬e，到芒果〰的“山海AI🇫🇴🤸♀️GC平台”，平台🥈🎞们争相成为创🧵作者的“🇿🇦基础设施🧿🇵🇬”🇮🇷。在几个对😊比方法🦆中，直接在目标环🇴🇲🔬境里用强化学🇸🇮习训练的模🛰型（GRPO o👁n Target📗）能达到37.8⏫%，一种使用通🏒用合成环境训练🇵🇪的方法（AWM）🥡能达到38.🇻🇦🔓4%，而一♦🇦🇨种通过优化🇽🇰💽系统提示词来植🏳🇵🇭入能力描🦊述的方法（GE🔱PA）☝ℹ能达到39.6👨🏭🤸♂️%🎎。
