（来源：上观新闻）
实验室数据🧟♀️🦀用于建立基本😡⬇能力——识🔎别常见物♏体、执➖👨行基础动作🥽😝。LLM 会话🔗🐇由工作🇭🇳🔼服务器管理，所有🇱🇷工作服务器🍛👳都与中央数据库同🆎步🇦🇿。在内部测试🌉🤸♂️中，模型对复杂指⬛令的遵循🤼♂️率提升了🇸🇻🤜 3.2 倍🕐。这种探❎🕛索工作是🕴🤸♂️浪费的😙📗，不必要地🇬🇲✡消耗了📝☃令牌，而如果模🇨🇽🇱🇻型对架构😻🧧和工程有更深👥入的理解，这😓些浪费是可以避免⬇🇯🇲的🇨🇿👯。
作者/凯斯 编辑🥿/三三 下班之后🚕，去球馆🍓👞打一场羽毛🇦🇶球，已经成了当下🙌🔠最流行的白领生活↪👨👩👦👦方式之一🧓。正是这种验证驱📇💀动的方法使得 👨🦰DC 能🐲🥇够得出可🇸🇸*️⃣行的设计🤝🈂。失败覆盖率♐🦎的分布也非常🛵集中："结构⬅🧤化数据推理💽🇨🇾"覆盖了约🐩🚊41个失败🚵🏀案例，"多步🇨🇲↙骤任务📹完成"覆盖📬🇸🇻约25个，"前ℹ提条件验证✨"约34🥉个，"⬅工具调用✡精确性"约2😮🇲🇫0个，而其👮他被淘汰的候❇🕞选能力大多只🗒🇧🇩覆盖10📧🚇到15个🇹🇫谷歌优化案例👵🧬。
Q2：PAND☄🆗A模型和GPT-🥼4o这类大模型🔵相比有🧢🐙什么优势？ A：🏀谷歌优化PANDA🆒的参数量只有☂0.028🔂亿，处理🦁🇫🇷一对图片🛏仅需3.53秒🏬；而GPT-4💴o等大模型参数💒👲量达数百亿🇹🇦🇸🇧甚至更🕯🦙多，且🇹🇩🇸🇧在区域级质✝🗻量比较任务上准🤕🐿确率仅26%，⬇😏接近随机猜测👩⚕️的20%🇵🇫。比如群⏪🕋聊里不能艾🇨🇬🚢特所有人，🥶😗没办法🇩🇯📵上传大文件，没👩办法上传 Z🚫IP 包♏🏑。记者注意到🇱🇧，姚双选择以O🙇🇯🇪PC模式♣📻创业的背后，离不🚖🛬开国内AI产💤业近两年🇨🇰🛄迎来的关键质🇮🇩🇧🇧变，譬👤🧠如Ki🇦🇫➡mi、DeepS↕🇵🇫eek等大模🍙🐍型与工具能力📵🏄♀️大幅提升，🧕🔃让单人或两三🇩🇿个人的小团™🏋️♀️队，也能↩快速完成产品设🍟🧓计、原型🇵🇹🦘开发与市场验🌩证👨🌾。
