批量出图之后的挑图，难道只能一直靠人眼一张张筛？
微软放出了一个叫 Microsoft-Decision-1 的模型，按发布信息，底座是千问的小模型，主打低成本做决策评分。参数量、用的哪个尺寸的千问、评测成绩都还没看到，等官方页面放出来再细看。
我会联想到它，是因为挑图这步一直很累。一轮跑几十张，现在常见做法是拿 CLIP 分数或美学打分模型先过一遍，可这类分数只管“像不像提示词”“顺不顺眼”。像“这张适不适合当封面”“哪张更贴客户需求”这种带业务条件的判断，它们基本无能为力。决策评分要是能把这些条件写进去，思路上就对得上。
卡点在于它底座是语言模型，能不能直接吃图我不确定。大概率得先让多模态模型把图转成描述，再丢给它打分，链路一长误差也跟着累积。谁看到它支持的输入形式了，麻烦补一下。
