（来源：上观新闻）
“现在🎃还不是一🔛个人就能搞🇲🇵👨👩👧👦定的阶🎣段🖕👨👦👦。此外，芯片面🇻🇳☁临着多项严格📯的性能要📍🏗求，通常🛶至少包括🚔时钟频率、功耗🔽和硅片面积（这🇫🇰会影响生产成🛠😮本）♿。而GRP🇰🇲🇯🇲O通过把整🎒🇮🇶个答案当成一😕☁个整体来评分，实🆓🔋际上是把解题任ℹ🇩🇿务变成了一个完🚚全不同的模型——🅾🦗技术上叫做"序列🇱🇸🇰🇾级情境赌💎🥁seo和sem的区别是什么?博机"（Seq🇮🇴🐌uence-🏄Level 🚃Con🙄text😅ual Band🅱🍙it）⚡。
参数量高🛄达270🕡🤗亿的 Ge🎻mini🍏🇫🇮 2.5 📲👩👩👦Pro（谷歌旗下🇲🇸🧚♂️最先进的🏔👨👩👧👧商业大模型之一）👩👩👧⛴只有22%的准确🧨率，而🔵🌻随机猜测的🏴☠️🤠准确率是20%—🥳—也就是说，G🦌🐤emini 2.🗓🇪🇸5 Pro 🌛🍍在这项任务上的表🐙🎋现几乎👨🔧⏲与瞎猜无异🥙。我们认为🇸🇷这是由于 🎎🏧LLM 的预🏏训练和后训练中🦄💇都存在大量软件代🧭码造成🇲🇭↗的☝。因此，🇧🇸🧝♂️在多位受访🐂🎂者看来，对于普通🇭🇺🏺用户而言，💹🤽♂️Herme🏺⚙s还不是🔅🇸🇹一款需要立♨刻投入时间🇧🇪🥈和成本去深度使💙♌用的工具🕗。
在多位受🎥🔨访者看🐦🦒来，Her🦸♀️mes还远🎉🇸🇸未到成🔬🍙熟阶段↙🇦🇸。真正的信息要等到💛实验跑完才能看🇰🇮到：结果🎌🔦对不上论文中的🍽数字，但是🇿🇦到底是哪里👨👨👧👦🇵🇱出了问题—🇧🇸—是数据👨❤️💋👨⚾预处理🇫🇮🗝、模型结构、🗞🖕超参数设置，还是📫环境配置🛬——很⚽💣难一眼判🛋断🎉🧦。（3）技术精湛 ☯🎀LLM在众多领🦘域拥有深厚的知😀📰识，这👊🇧🇸可以说🍏🥋是他们超越人🕢👊类能力的一个方😩面🐿✒。
