（来源：上观新闻）
Med🐵🖌ium级别中，一🏞张图是单一失✴🇵🇼真，另一张每♟️个区域的失💩真类型各不🚃相同，识别难度🇸🇳㊙增加💈🆘。”实测后🗓🥌虽然觉✈🙍得Hermes有🤽♂️🗒其优点，但人🎰工大黑还是🐸泼了一盆🚴♀️👨🔧冷水🥨。它带来了两个直接⚠后果：对于答对的🌩推理链，打分员🧱在接近结尾时才给😹出高分，导致🤮AI的整个🇬🇧推理过程几⛈🇫🇯乎收不到任何有🇧🇩效的激励信号；对🌙⛎于答错的推🗿理链，打🕊💊分员在🐿中间过🇨🇺程中也没有🚺给出足🎡🥘够的惩罚🥌🇹🇹，无法让AI知🇲🇦❤道哪里出了🤝🇺🇳问题🦕。
论文通过可视化💽🌍实验直接🇳🇴🦐观察到，正🌌🦴确和错误推理🔴链的价值👹曲线在中间阶🇸🇳段几乎完🈵全重叠，只在🌇🤷♀️结尾附近🚵♀️才分开，证实了☸🥬这一失效机📵制🐥🇬🇧。sparse 🇹🇿🇳🇿attenti🇮🇲🔌on不是从头打😆开，前1T🇱🇹 token🗃🍿用den🇯🇴🆔se atten🇨🇺tio💺n做wa😇rmu🧔🧟♂️p，扩🚴♀️到64K时才i🇿🇦⛈ntroduc🎪e s🗣⚰魔术泛站群parsit🦹♀️y💢🤰。
