（来源：上观新闻）
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 Gem😆💑ini 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🇱🇨。一个1M的上下文🇳🇱🤺，在V3.2的🍏🔞成本结构下是不可👘🤦♂️持续的🎃😈，KV🥼 cache🗝❇会把显存吃光🕊🇳🇬。某个同事新🍬☦写了一个➗🔘 Skil🏡🚇l，这种情况🇽🇰下我们一⏪般会希望所有人的🦸♂️虾都装上🦛📏。”Meta🌟🧛♀️首席人🏋️♀️🕉事官珍妮尔·盖尔👶(Jan🧝♂️◼elle G🦢✡ale)写道🇧🇪⚓。研究团队将A🌚I科学🇹🇲🏣家与非层级化的简↖⬛单代理（😷🇨🇵在PaperB⛩🐎ench上对应🇪🇪BasicA🎩💇♂️gent，在ML📩🇱🇰E-B🔓ench🔘🇦🇲 Lit🇳🇮e上对应AIDE🏂😏）进行比较，发现🏊🇲🇹即使是去⬇🗃掉文件即通道🏪🆘机制的"🤕👨🦰残缺版"♨🇨🇮AI科学家，🈚🍾在Pap🕞🏁erB👫ench上🥡🇬🇹仍比Ba🇰🇾🗜sicA🇭🇰🍼gent高出4👦.74分🚳，在MLE🍬-Be💩🗾nch Lit☮🦎e上的"高于中位🔋🕵️♀️数率"和任意奖牌👩🦱率也分别🇲🇼高出22.🈳73和⁉😡9.09个百分🍶🐵点🐌。
存储方面，T🍛🏺PU 📶➡8t引入TPUD🏟irect 🚖✊RDMA与T🖨🇨🇴PUDirec🌀t Sto📥🧛♂️rage技术👑，绕过主机🔠🦈CPU直接在TP4️⃣🔣U高带宽🇦🇬🛫内存（HB🎵🧔M）与🤯🚁网卡、高📏速存储🇵🇰☂之间传输数据，存😿储访问速度较第七🧒🏐代Ironwoo🎵📎d TP🍜🇧🇹U提升1🧻📭0倍，可确保MX🔱💂U在处理大规模🐣多模态数🇪🇭据集时保🎗🇬🇱持满载🇬🇫。
