（来源：上观新闻）
问题来了🚦🎽——学🎙👨❤️👨生写了满满两🇦🇶页纸的推理过💥🇲🇻程，最终答案错🏦🦇了，但你只能🐜说一句"不对"📇🛅。这两周国内🇦🇺外的 😡AI 圈又开始密🎹集更新了🇲🇴🎇。接下来是一个独特☝的"令牌池"🇸🇷💁机制🧿🗿。
在7B🤱⏸规模（70亿参🧷数）的模型上🥒🎴，结果同样🐾🚪清晰📎。--- 😇🚥六、实🇴🇲验结果：两个基准🦷⏩上的表现⏳🔚如何？🥾🧜♀️ 研究团🤾♂️🇬🇧队选择🕋☹了两个互补2️⃣的评测基🌯🇲🇻准来全面考察AI🍻科学家的能力🌍。
这种高度集中😚的分布说明，👨🚒目标场景的失🚰败模式🙀并不是均🤯匀分散的，🔺而是高度聚焦🏊在少数几种能🆔😭力缺失上🖨⛄。它们习惯于把整9️⃣🚉张图像当🇲🇻成一个不💧🤩可分割的整体🌎🈚来评判，就像💎一个评🧿💶委在不看菜单🎹、不尝每道菜的情🌭💢况下，只凭饭店🧭🥞门口的气氛🔣🛁给出一个总评分🛒。
