（来源：上观新闻）
它还必须谨慎管🏃♀️🇪🇸理有限的😂😢上下文窗🏢🇧🇸口的使😸用，不仅🇹🇫要避免溢出8️⃣🇫🇮，还要最大限🛫🕎度地提高质量🆗。换句话说，它试📼😤图解决记什么，🔵但还没有稳定解⏸🇻🇨决怎么记得♑🇵🇱更好🚒。有个蛮有意🇲🇽思的小细节，💴🍕在形式化数学评🇬🇷测中，De👩🦲👩⚖️epSee🧗♀️k也皮了一下友🐨👺商： 我🕙🐙们在K2.6♉和GLM-5.1🐡❤的部分条目👨👨👧👧留空了，因为🍃它们的API太🦟😪忙，没法及时返回🤾♂️我们查询㊙的结果🏆🇨🇷。
其二，语言模型🐊🏣有输出长度的限😩🛁制，当图片包含十🎵🔤几个甚😇至几十个区👜域时，要求➿它逐一🔒♊分析每个🧬🔋区域，往🥬🗺往会超出模型的处🥛🛏理能力，导致遗漏🥛或重复🃏💫。
在几个对比方法🇱🇻中，直接在目标🇳🇴环境里用😒强化学习训🇨🇷🏚练的模型（GRP🍖O o✍🥰n Targ💇et）能达到👩🦱37.8%，一📔种使用通用合成🇲🇬😋环境训练◻㊗的方法（AW🥁M）能达到38.⬇4%，而🌐🇲🇳一种通过优化系😐🇧🇳统提示🇫🇮词来植入能力描🌘述的方法（🇵🇷☎GEPA🎴）能达💘⛲到39.6%🇾🇹。
