（来源：上观新闻）
可见商业大模🌱🏄♀️型在这👩✈️🙅项任务上确🎸实比随机✨猜测强得多，但*️⃣与专为此设计的 😥PAND🎉A 相比仍有相🇬🇲当差距😝🔥。” —— 🏔Ope🤸♀️⛄nAI 🇨🇻🙄技术博客 🔍👾🐜 “思考模式🗝🎬”三部曲：检索👩👩👧、规划、审查😂 GPT-😸Imag😥🐞e-2 的思考过🥚程不再是黑箱，而🐝🔺是可以被拆解的🇧🇯💋三步智能流水线🎗🦟。” 自变量创🧗♀️🦟始人王潜在🧱⚓发布会💼上，用💇一个再普通不过🇵🇼的早晨场景，🐤🎅揭开了行业🤾♂️光鲜表象下的真🖋实现状👨🦰🇹🇱： 拖鞋不知踢到🥓🍴哪里，厨房的👯⚰碗还没洗，孩子🛷的书包扔在地👒上，猫🤚打翻了一🇲🇿🥛杯水…… 这😍☂些对人类来🕋说几乎不构成挑♣战的碎片任务🎶，对当前所有机👑🐓器人而言，却是🇮🇳👃不可能完成🥒的任务🔂。V4的做法叫🗑mHC，🍬🖇把矩阵🇰🇳B约束到「双随机👩🍳🚛矩阵」的流👩💼👩🎓形上（数学上叫B🇧🇯👩⚕️irkho🏐🇱🇧ff poly🥤tope），行💊🎉和列都归一化为↩🎨1🥀👺。
更重要的是🏜，由于每个插🧁⚖件只专注♐于一种能力，🖇训练信号非常集中👨👩👧🇯🇲，AI🈲能够快速、🧾有效地☀🗳掌握这项技能💡🚴，而不会因为🧝♂️同时学习太🍟泛站群多东西而产🚜🍳生混乱🎪。在这项🔖工作中，DC 生🐦成了多个版💻📸本的流水线；图😤中所示的版本性能🥨🇲🇺最高🇹🇴。研究团队认为，🥒自主长周期📈机器学🔪习研究工程本质上🧫🉐是一个**🇸🇽🅰系统协调⛳问题**，而不🏏仅仅是一🤦♂️个**局部推🥰🥈理问题🦚**👁️🗨️。这在理论🐝🇦🇼上很美好，但实↘践中就会遇到前文🔣📌描述的打分困难🈂。“我会跟AI👏♒共创，把我㊗🚠作为人类♋的认知、经验和对📲🌰事情的预判告诉A🦛I，让它做完1️⃣善和补充；🍌🇸🇿对自己不熟🍔🇬🇹悉的领域🏭，交给🐶🧡AI去🔰📟帮我设📄计和分析🎰。
