（来源：上观新闻）
农业让我们😴⏱意识到时间可🐽🇫🇴以被积累，印🥩🐓刷术让我们意识到🍪知识可以被共享🇹🇦，互联网🇮🇳🔚让我们意识到距离🐖♉可以被折🈵叠🕑🏨。通过反复分析，系🥂⛏统在τ?-♌Bench😢上识别出了四种核🈹🤸♂️心能力薄弱点🧜♂️。
我们要帮助用户🏴保护数🛅📧据，让数据🇸🇿💞私有化🌄📔。它带来了🧞♀️🇹🇳两个直🧞♀️接后果：对于答👩🔬🗯对的推理链，💂打分员在💮接近结尾时才给⏺🇬🇬出高分，😂导致AI的整个🌏推理过程几乎收不🇻🇬到任何有效的激励🚬📔信号；对于答🙇♀️🤪错的推理链，打分🍂🚄员在中🤪间过程中🇸🇩🔻也没有给出足够的👴惩罚，无法☢🥫让AI知道哪里🏘出了问题🙇。
跑分什🦅么的我🧔就不贴了💸📰，模型到现在，最🛋💞好的测试方💜😼式就是直接放🛢到自己的任务🕺里去跑🧶。对1M tok🍲🇦🇮en的序列🔣◻，原本需🖊要atten🚮📇d 1♉M个tok💎en，🐠现在只需✈要attend 🔪📇1024个⏪压缩块🇬🇭🎮。
