（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👨🌾🎾。董事长🇦🇩成锐进一步说明，🤸♂️此举旨在避📛🇸🇴免为满足💷💟短期报表要求🇹🇿🐮而压缩底层研发投🇹🇨入，防止公🤼♀️司陷入同质化竞争🇺🇬🇦🇹，从而🐭🏰为战略执行预留🎗🙏必要的空🦡间🕤🔥。
打分员必须🚷🇲🇬把这个🇵🇸👩💻唯一的结果🎠，沿着几千步🇲🇸的推理链条🍌，一路往回分配🎶🔀功劳或责任🚼👅。但斯坦福大学的研👨🦰🔕究团队👳♀️采用了一种🦅截然不同的思路4️⃣❔——先像医生🏥🧘♀️一样给🤵AI"🌓🍶做检查🎠🎐"，找出它🧥👨⚖️到底哪里出🎪🥤了问题🇭🇲，然后专门针对🍙这些薄弱环🧐节设计🤦♂️练习题，让A📪🙍I反复练🌙习直到真正↘掌握这💶♐项技能🇧🇷🍸。
但观众，要开始🇷🇼被迫适应“🏭🇧🇳假人演戏”的时代🗄🇮🇶了🧐♐。第一个⛳🍢测试场景叫💙τ?-B🐣ench，🍌模拟的是真实的客*️⃣🇸🇰户服务工作流程🍕，分为航空公👠司客服和零售客服🇧🇧两个子🧗♀️领域，合计16🔌🔻4个任务🧗♀️。我们也需要在生💨🤔活里，有一个能🛹接住我🥥们情绪和日常🆙的存在🇬🇬。CSA做两件事🎄🇫🇲，先压👨🦰缩，再稀疏选择🙍♂️🆑。光照固定、物体🤑位置固定、无干🏜扰🇻🇨。
