（来源：上观新闻）
“虽然最开始👩✈️🕖使用Hermes🕖的几次对话，跟🦐⬇OpenCl💑👩💻aw的Toke⛽n消耗量🇮🇹差不多，🇰🇭但越往后聊，🖱🧶会发现Herme🇳🇺s消耗的Tok👨👧🥨en反而会少🧺🇲🇿一些⛄🕊。（2）上下*️⃣3️⃣文管理 数据中心🤕必须提供L🐭♉LM所需的信息👨👨👦🇹🇫，以便它们做出😭正确的决策😙。第二个基🐯准是MLE-📯Bench 🎳Lite，🉐这个基准更接近K🇱🇹🦕aggle竞赛🎡🌽的形式——AI需🛒要在现有数据集🔦上持续优化机器学👳👱习方案，争取🚿在模拟🇹🇰的竞赛💔排行榜上获🤕得铜牌、银➿牌或金牌🍄。
这个练习场🥂景就像一🧘♀️个精心设计的模拟👔考场，有几💋🍚个关键特点：首🇵🇦🈷先，它保♍🏒留了真实🍛场景的工具接口🧝♀️和交互规🍴🇦🇱则，确🌇9️⃣保练习和实🧡战之间没有脱节⚾；其次，每道🐯🇮🇱练习题都🧐🏃由程序根据随🏘机种子自🇰🇮动生成，可以♠➿产生无穷无尽的💛🐨不同题目，🌙😥防止AI死🛢🐐记硬背；再者，😻练习题的答案可以🇬🇲🈁自动验证⚓〰，不需要人工批🤼♂️0️⃣改🐭。“我反而对挺📞🎞过这轮📆🇵🇭裁员感🇧🇶到更焦虑🇮🇷。
AI必😲🇧🇩须自己去🇴🇲猜测究🇬🇦🗾竟是哪一个行为🚤🐯导致了最终的🏌️♀️失败，而当🕑一个任务需要完🇳🇴🐄成十几个步骤🇵🇬➗时，这种猜测几🦢乎无从🛋🧔下手👨🚀。对每个👨👧👦🇬🇫quer🉐🗡y toke🇭🇺n，用一🏊个轻量的inde🛃xer🌚💞计算它和每👩👩👦个压缩KV块💶🐣的相关性分🚗数🔨。这项研究的价值在🇧🇿♦于，它👩👧👦🇬🇹提供了一套完全自🥋⛓动化的系统，不🐀需要人类专家坐🦜在旁边一条一🇧🇼条地分析AI的失👖败原因，而是🏖💧让AI自己完成🇳🇷😼这个"自我🇲🇽🦡诊断"和"自我补🎤课"的过程👫🆘。
