（来源：上观新闻）
他们发现✏💤，打分员🕵🍷实际上是在偷懒—🧘♂️⁉—它根本不关心🚌🇰🇬AI在🇺🇲推理过🇵🇾💉程中的第三步、第⛅🦗五步、第🇵🇲二十步在🇺🇦做什么，而是一直🥇🔡等到推理接近尾💊🤽♀️声，才突然8️⃣🇳🇪"清醒🇵🇰🎄过来"，根据🇬🇼最后几行🎽☂文字的语义特🏳️🌈征猜测答案是否正🛤确🐫😫磁力蜘蛛搜索神器。
这匹“马”，叫🗞♾️Herm⚪🦟es🚵♀️📂。Simpl🐨eQA-Veri💈fied上V4⛅🙎-Pro-💍Max🆓拿到57😘.9，K2.6🤐⛱是36.9，G👷♀️🇺🇳LM-👑💿5.1是😞38.1🗳🇦🇫。
这张图🏘👩🌾谱，被研👛💭究团队🏴🥑命名为**💁失真图（Dist🌵ortion🏒 Graph☔，简称🇲🇨 DG）🇪🇦**🧲。在没有明确任💼☯务目标的情况🌆🎤下，A🙄🇳🇪gent🚦往往会反复🇰🇳🦟试错，👮🤒消耗大量T🇦🇹🇫🇮oken，但产出🐅⛷并不稳定‼🛁。
