（来源：上观新闻）
AI科🌆🇲🇷学家在使用G🍨emi🇸🇸ni-3-🚮Flash作为底🎖🇬🇲层语言☠模型时，平⏏均得分🐃达到30.ℹ连接蜘蛛52分，比同条件🚡下最强的基☸🧞♀️线系统🧔🐒高出9.92分🇲🇳；使用GLM-🇨🇫5时，平📯均得分🈺达到3🇭🇲3.73分，比最🧑🍎强基线高🇰🇮🗾出11.15分💜🥢。其中最主要的🍽🏉是需要极高🍶🇲🇨的功能测试覆盖🏨率——也就是说，👳需要进行测试👆以确保设❔🇸🇲备在运行中不存🇹🇳在任何“缺陷”🚪🗑，并且置信度非常🆙🕯高🌯。
在一个令人🏉印象深刻的例2️⃣子中，🔞🇨🇨DC 错👩🔧误地认为减少依赖👨🥏代码行数会缩短🏃🧽芯片的🍣关键路径⚙。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💙。当模型学会在落🏗笔之前检😽🦡索信息、规划层次🕝、自我校📼验，它就🎒不再只是🐾🔙一支更快的画🇬🇫🗺笔，而是⏯🐭一个能协🐕👄作、能思考的🇰🇷🈚视觉伙伴🗽。
