（来源：上观新闻）
它的思路是直👨🚀⛴接扔掉那个不靠谱🏙🇵🇳的打分员📵，改用一种"横向⛹️♀️👩👧比较"的方式：🇮🇱⏳对同一😺🗻道题，让A🇸🇧I同时💇生成一🥟批答案（通常🇾🇹是8个），然🛥👘后以这批答案的平🐝均得分作为基准，👪🇷🇴那些比平均🤠💵水平好的答案就得📪到奖励，差的就受🇵🇹🍈到惩罚🥡。” WA🏷📅LL-B不是🇮🇳❔终点，甚🇬🇧怎么自己做网站至不是“第二个版🥌🎥本”⚠🇹🇹。
更重要的是🤼♀️，他们通过大规🎟🐥模实验揭示了当🔸🐛前最先😻进的多🌰模态大语言模型在🇨🇲区域级质量理♻解上的系统🐛😶性短板🐰——即使是 Ge🎓⛵min🦋i 2.5 Pr🇬🇩🤳o 这样的顶尖商🈴业模型📛🖕，在这类任务🦋👓上的表现🇹🇻也接近随机猜测的👨👧🔊水平🚨🉐。“原来做产品©⚡的节奏是💪💳怎么自己做网站设计、产品⏯方案、开发、上😛🇧🇦线、用🇲🇳🈚户反馈，流程👲😠下来可能要一两🕵🇲🇪个月或更长时💋🇲🇳间🇴🇲。
