（来源：上观新闻）
第四种方法叫在线👨👨👧👦蒸馏，为每种能🤦♀️🇱🇻力训练一个"老🏠👩师模型"，再训🍴🌫练一个统一🇱🇦🔐的"学生模型"去🧿🇲🇪模仿老师，💒结果也🇵🇾只有37.8%🤜。
这种"🌚回归均值"的行🚣为实际上🐂对训练是有益的🏆🦇——它不会因为过🐵于自信或过🌠于悲观而产生扭曲🇨🇬的训练信号，🎀而是始终保持一🧗♂️📘种适度🚟的不确👩👩👧👦定性，让真💺正的"超常发挥"🇨🇲和"出乎💭🇦🇽意料的失误"都能📖📟产生足够⚱🇲🇼强的纠🇵🇼🔈正信号🦕。
这个判断过程完全👃由基础模型完成🆖6️⃣：系统给基🅾础模型展示用户🍈请求，以及每种能🌀力的描述和一个典🧒🚉型案例，让模型预🇸🇹🚑测哪个选项🎙🦢最匹配🚾。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🎵🇺🇬 Gemi🔓ni 2.5 🚁Pro 👒🍫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🚑。
