（来源：上观新闻）
我们团队每人〰🇱🇰养了一只虾💉。AGI属于每个🐓🧳人🏈🐹。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🇧🇲。但研究团⏰队发现🍢🇬🇭，当你给这些🎿💅模型提出更👩🦰具体的🚢要求——比如"请☕🌠告诉我这张图片里🧛♂️🤧每个区域的🍖质量如何，🐰哪个区域出了什么🛠🎅问题，🛳🐈严重程⬇度如何🧘♂️↔"——它们的表⚽现就会令人失望🐪。
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 PP🔴⛹A；功能约束；↪👨🦱以及架构输入🙍♂️）🚎🐢。此前表🇯🇪🧝♂️现相对🧲🥒较好的🇧🇭"迭代🐟代理"系😀统（I🥈terativ⛵👠eAgent）🧥在Ge🔖📙min🚈泛域名是什么意思i-3-F💴lash🏔下每个🕑任务平均花📇🖌费27👰.44美元🧷🚻，而AI科学🇪🇸⏏家只需15.67👩🚒♒美元，却能取🍨🙅得更高的分数🇨🇲🍬。
