（来源：上观新闻）
闭源大厂🇺🇳🧲追求的是能🇮🇹力上限，谁家的🔆模型能在HL🇳🇴E上拿更高分🌹👮♀️。无论真相如何，这🇨🇻都是AI无法拥🚩有的，🇦🇮它不会犹豫🏎，更不会出错🧟♂️。失败覆盖🍻率的分🐰🌜布也非常集中：🇼🇸"结构🏡化数据推📣🛍理"覆盖了🇨🇿🤓约41个失败案例👃，"多步骤任务完🇱🇧成"覆盖约25🎁个，"前提条🇬🇭🤒件验证"约3🇹🇬🎂4个，"工具👥📡调用精确性"约😸🗑20个，而其他被🌿淘汰的候选能力大🍆🧨多只覆盖1🇺🇿🏤0到1🔆5个案例👨🔧。
这个目标并非单一🌵目标，而是🥿几个不同设计目💜🈷标的组合👨👦👦🇨🇲（功耗🇸🇬🎟、性能和面🖨积，即 PPA；🍪功能约束；以及🙍♂️🚟架构输入）🇵🇸。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📫💈。正是第🥙四个挑战，成为☺了AI🎌😎科学家🥿整个设计🧴⚡哲学的核心出发点🔢。随后，这些区域🦅特征被送🇲🇼入一个"退👩👩👧👦📂化解码器"🕋🤷♀️。
