（来源：上观新闻）
原因显而易见🇱🇸🇹🇬：这需📍🚫要推翻至少一部↖分先前的设🇻🇪计成果，并且存在🛐🎦引入更多缺陷👩🚒的风险📱蜘蛛是怎么形成的。对于那些没有🚸标准答案的开💴🇰🇪放性任🌼务，比如"💜🔑帮我写一首☑📔感情细腻的诗"🍞，这个框🙍🥂架就无从评判，🤽♀️🎨需要另👌🦔辟蹊径🛋🥼。这个优势信💄号不再🗣🇸🇱分配给推理过程中🚶♀️的每一步，🇨🇫📐而是均匀地广🇷🇺⛑播给整个推理🍏链中的所有步骤🔵。
这印证了🕤📤"尾部🕷效应"的危害🧕🇩🇲——错误的训练👩⚖️📚信号不仅没有🤹♀️🇽🇰帮助，反而起到🤓®了负面作用😕✅。如果说去年🌜➿的热点是短剧，今🇨🇽年的风向，则📝⬇是AI🏹🔔。官宣不到24小🖌🇫🇴时，“🇷🇼AI演员 假人🍶📞感”冲上热🕧搜🥧🔒。思考模式🐜🦒虽然在纯创意领⛑域未必🧿碾压，但在🏩信息图、💟🕝教学材🤰料、UI/UX🌮🇦🇴 原型🏴、营销物料等🇿🇲🇲🇾专业场景中🐼，几乎形🔨🏎成了断崖式领先😴。
AI每生成一个词⬛，系统🤯就有一个"打分员☘"（技术🔽💜上称为Cri🇫🇲tic，批🔯🇩🇪评家）在😲旁边估算：按照🇬🇹🎬现在这个走势🔜🇸🇻，最终能答对📧🇯🇵的概率🈴📗是多少？然📁后根据这个概👡率，奖🇳🇦♓励或惩罚刚🥉🍄才的每一步操作🇧🇬。结果相当值得关⚔注：在第一个基准🔼🚩PaperBe🤭nch🇸🇱🔐上，AI科学家🧛♂️⚫的平均🥚得分比此前最强🇿🇦🚢的AI基线系🇵🇳🇦🇹统高出10.5🦠4分；在第二个基🇹🇴准MLE-🍥Bench L🇻🇬ite上🇬🇼🎭，它以81.🇲🇾🇰🇵82%的"获🤑奖率"超越了所🕖有有记录的对比系🤚统，其中🇫🇴包括多个已公开🦅发布的🗡🇵🇫知名商业和研究机🔥构系统☪🏔。
