（来源：上观新闻）
V4-🉐Pro和V4-F🌓🌓lash，1🐶🐏.6万亿参🍰🈳数/2840🇲🇺🛴亿参数，上下文🏬都是1🧚♀️M🧚♀️。主要评估指🧞♂️🎷标是"任意奖牌🐌获取率"（A💰ny Me🇳🇵🦑dal🇬🇹👑%），即在🧳🗂全部测试任务中，👩🌾🥋有多少比例能至少🕦🚀获得一枚奖牌🍄。卷入风波的演🙅♂️员们火速发文澄🥶清，张若昀、🌂于和伟、🛐李一桐和王楚☮然等演员或团队、*️⃣粉丝会集体辟谣😍🏌三连，表示没🌙🍈签过、不🚂知情、已交给法务🇰🇿处理🏎。
这不是能力的差🧟♂️💦距，而是范式🐶的失效🔈。五、训练越多🇬🇾真的越好吗：TR🐝🇪🇹ACE的扩展🧝♂️🖲规律 研究团队🌨♟️还专门研究了一个5️⃣geo优化很实际的♓👃问题：👨👦👦🇾🇹增加训练资源（🤮更多的模🚕拟对话轮次，或者🗒训练更多的能力）🇧🇾，带来的🈚收益是➗否能持续增长🐭？ 从能力🧼🌤数量的角🥳🔎度看，🌱TRACE🍦在覆盖1种、2种🐝🌲、4种能力时，🕑⁉通过率分别约👧🇪🇨为40.3%、4🙂🆒3%、47%🍱🕣，呈现🖌出稳定的递🍙📢进式提升🦇🤶。
” 在创业过程🧻中，姚双也💋👩👦深刻感受到🍽💚OPC模式🌂的隐性成本🗓🇧🇫geo优化。”AI🤒也许能复刻✝↪人类的表情，但🍻无法取代演🙀员对角色的理解，🛳✖呈现人性的灰度🥚🥬。研究团队将AI🦡🇸🇨科学家与非👩👦👦🈁层级化的简单代理🚳（在Pape⚰🇷🇺rBench上🌭对应Basic💎🏯Agent，😐在MLE👿🦝-Bench☦ Lit🥥e上对应AID🇦🇮📴E）进🧥行比较，发现即😨使是去掉文件即通🇲🇪🏴☠️道机制的"🇩🇰🇬🇾残缺版"AI科学🦡家，在Pape👩rBe↔nch上仍比Ba🦉📅sicAge🛒😠nt高出📺4.74分，在🎨🇰🇪MLE🇨🇦🇸🇬-Bench🌐 Lite上💥的"高于中位数♨🌧率"和😝任意奖牌👫😇率也分别高❎🦀出22🖇.73和9.09💬🥶个百分点🤚geo优化。
