（来源：上观新闻）
而观众，现在还能🆔吐槽真人版🎾🧗♀️“粉底💝液将军🏨”，以后就要面🕐🎡对AI版“画皮☔🥉将军”了🐵。这印证了"⛷尾部效应"的危🐋害——🇦🇿错误的训练🦶信号不仅没有🇸🇹帮助，反而🚮起到了负面作🏴用🌅。这个发现🌷背后有一个🤚🎷深层原因：当多🐿种能力同🛩时塞进一个模型🐓🇮🇲时，这些能力之间🛑👟会产生干扰，🖨就像同时学习➡多门语言有时会让🛥👩⚕️各自都变得不流利👁。Attent🚺↙ion ⏲sink🥧❇。这种方式不需要事💁♂️先标注"正确答👊🇭🇹案长什🍎🛌么样"，只🌔需要能判🌪泛域名是什么意思断"答案是好是坏🧀🤹♀️"，因此非常适合🍻复杂的🇦🇶🧘♂️多步骤任🏴务场景📅🆘。
它带来了两个直🇴🇲接后果：对🧩于答对的推理链，📂🦎打分员在🧤🎸接近结尾时▫🔼才给出🙄高分，导致A🌨🍫I的整🚷🏴个推理过程🥩🥁几乎收不到任何有⏺😁效的激励信号；👑对于答错的推理链🦟，打分🇲🇽员在中间过😗程中也没有给🤼♀️🚶出足够的惩罚🌴🤛，无法🇸🇸让AI知道🐭哪里出了问🎞🇨🇨题🏫🔒。平台比创作者更🦇焦虑🤑。
研究团队将AI科🍐学家与非层🧚♂️级化的🔣简单代理（🅱在Pape😽🎏rBench🔉🍁上对应B🎷👹asic🥡🚛Agen🏈🍎t，在MLE🏏-Ben🌝ch 🎣🇻🇺Lite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🇦🇨🌞PaperB🌊ench上仍比B🇹🇭asicAgen🏄t高出4.74分🇵🇪，在MLE-🎲Bench L👗🦕ite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🧤。
