（来源：上观新闻）
第四种叫"🇹🇴🇳🇴前提条🏷件验证"🐈：AI没🏔有检查👨🦰策略规则🐸🇸🇬就直接🛸执行了操🔑作🤹♀️👩🔧。如果题目太简单↖，AI每⚽🍡次都能答对，就没👨🎓有学习空间🥿；如果题目太难🇹🇩😯，AI次🧞♂️👱♀️次都失败，也无🥢法获得正向反馈🤰🐎。如果你关注过👩🎓具身智能领域的📼新闻，🤴🔟可能听🧝♀️🌆过这个🇾🇹😡名字🍒🆓。这里有个细👨❤️💋👨节值得注意❎。这是一种📖内生的🧩空间感🎅知能力，💇🇺🇬而非通过外部🇸🇿⛷测量或建模获🥙🈚得🙈。
“我们发🇱🇾🔰现，更好的方法是🇪🇹🏷让 AI💭 代理🤪解决整个🕓🇩🇪问题，”他说道🤠🚸。PANDA 🇦🇴展现出🚂谷歌工具了最小的性‼🛁能下降幅度👷♀️🐼，而部分商业🥜🇵🇰大模型🙊在 Hard 🇳🇵🦂级别的严重程😐度分类任务⚜🍄上甚至下🗓🏘滑到了低于随机🚎♦猜测水平▪的表现——这🔁说明在面对复杂混♉合失真场景时🌡，这些模型完全✈"迷失方向🍟"，只⌨能靠"🇰🇾惯性"输🇹🇭出一些听起来像🚓样但实际上随🇨🇽机的答案😷。比如，🐨一道题👓预估答对率为0.🐠3（很🚲难），但A👩⚖️🎠I答对了，🇮🇷🎇那么优😹势信号就是1-0❄.3=🗃0.77️⃣，说明这次表现远🤶超预期，需🏡要大力强化这🇱🇧个推理策🧩🌨略😡。
