（来源：上观新闻）
这就像😬打电话传话🐨🎅——每传一次，🦕🌬信息就可能失真🚿🎊一次🔷。第一个是Pa🧰🌇perBench🖼🦟，由OpenAI🇺🇿参与设计，专门🈶用来测试A🇨🇿I从头复现🌾🇬🇷顶级机器学习会议♦论文的能🦊力▶。两种方式😊都有一个共同的缺❇🤒陷：AI从训🥇🌼练信号中得到的反🏗馈，是"🗞🅰这个任务整🗄🗃体成功了"或👼"失败了🧥"，而不🇻🇦是"你在😹第三步查🇵🇲🇹🇻询数据时出了问🔎题"🎸🕕。
为了训练🇧🇱 PANDA✡，研究🍻团队构建🎤🏄了一个专门的🐹数据集，命名🌅🔜为 PAN🚗DASET❌🗓。这些变量🧭🇷🇪在实验室中无法✖🇬🇹模拟，但却是家👿🍴庭环境中的日常🍒❎。整个过程对🐠🇭🇲每一层都跑一遍🎹。系统计算某种🇭🇺🌞能力在🈺失败案例中缺失⛓🤟的频率与在成😅功案例中缺失的🍗🇮🇱频率之差🇵🇳☘，差值越🚟🕷大说明这种🙁能力越🕕关键🇨🇻🏂。现在 GPT-😤Ima❌🇸🇬ge-2 直接产🛀↩出的就🐓是可交付的印🉑刷级素材，🇽🇰连字号层级都符合🚯规范🔝🐓。
人工大黑⛄认为，那个被🌭全网吹捧的“💹自动生成S🍃kill”的功能🇹🇻🚙泛目录寄生虫程序，在实际操作中反👩👧👧🔲而成了个💤麻烦🦈。第一种叫🕵️♀️"权限错🍚误恢复"：🇱🇺当某个工具调☢用返回权👳♀️限错误时👩🔬，AI🇳🇫直接向用户报🦁⤴告错误就停止了，🏀而没有去诊断并🍶📒解决根本原🇫🇰因😶。这种"先🐚泛目录寄生虫程序结构化🚝🈸、再语🇹🇬🚾言化"🔍的路径，🥏可能比直接让语😌🅱言模型输出区域🌄💿级分析更加可🤭靠和可控😐🧿。
