（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🥥🌀AI同时生成一👃🕍批答案🏠🇰🇷（通常🇦🇴是8个🇵🇲seo），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🏢🦵。它是一个新范式🍗🚘的起点🇭🇲🏫。设计阶段👠结束后，D👪🇫🇴C 将进入🆖👢实际的模块实现👨👩👧👦阶段😨👨⚕️。
应对这⏭种复杂设计的关㊙🇧🇴键挑战不在于处🇳🇪理代码库😚的机制，👝而在于 🍅DC 需要由✖在特定设👩👩👦计领域🍧经验丰富的🧛♀️架构师来操作才能🛳取得良好的效果🇱🇸。而观众，现🅱🚗在还能吐槽真人🚨🆘版“粉底液🧿🦹♂️将军”🇺🇲，以后就要面对A🇮🇶👩⚖️I版“画皮🇳🇦将军”了🦆。图1展🦑🏹示了一个具体案例🚔💖：在"侮辱性言🔊🐂论检测"这一任1️⃣✨务上，🏥AI科学家🇨🇼🇬🇦在23小时内自主😋完成了👙⛵74轮实验，🚓将模型的⛈验证集AUC（🎶🇨🇭一种衡量分类🚵♀️ℹ模型好坏的👾🕹指标，越接近🔳1越好）从0.❓↪903提👱升到了0.9🏴🐱82，期间经历了🇰🇵18次"🇬🇮找到更好方💘案并保留"的关键👤🇮🇱节点，同🇻🇦时也经历了大量🙆♂️🕦"尝试无效果而📪丢弃"🕸👠的探索过🎼程，全程无需人🚷工干预👝。
这就是🔔王潜所说的“🏴模仿而非🦌🏷理解”的天🌇花板✏。诸如我们耳熟能🚔详的产品，微🥚📨信、飞书、邮👆件、乃至📢 AP🤤I，全是为🦍碳基生物准备的🇱🇾。在这个测试中，🐋🐒基础模型的通⬜🛌seo过率是32.9🚸💞%，航空🐞领域24%🏦，零售领🍐🇿🇼域36.⚱🗽8%🚖🕒。中等难度的"🎧🛴Medi🛐um"级别，其中🇦🇬一张图片被同🔹🦢一种失真统一处理☃🔨，而另一张💺🍎图片则是"混合失🇿🇼🏣真"——每个区🚣🇿🇦域都可能受到不同👟类型的失真👚影响🔼🇹🇹。
