（来源：上观新闻）
我们认为👌🎷这是由于 LLM🍦 的预训练和🙎🤹♂️后训练中都🆓🌏存在大量👩🦳😂软件代码造成的👗。使用更小尺寸价值👩👩👧🍫模型的SPP🚾🚭O组合更是🇹🇿🧟♀️拿下了所🍪有测试方法😯🚀中的最高分💼。结果表明，在 🗞🇹🇭KADI🛬♾️D-10🇨🇼😱k 上，基于 P🇵🇫🇸🇱ANDA👈🏪 分数🍼◽的排名准确率达到🌏78.🔢🌐83%，基于比较🇧🇷🐊关系的排名🤪😌准确率达到7🍸6.90%，超过🇭🇷了同类开🏏🦗源多模态模型🚀（如 m😀🇬🇸PLUG-Owl🇦🇨2 的48😢😤.5%、LLaV↙🦘A-1.6 🥯的57💣%、Q-Inst🥔🐻ruct 的🖲🌼抖音seo是什么55%）💺。
分析过☃🎞程分为两个阶☁☎段：先是🔇🇲🇸"发现阶段"，分🎤👺析AI通🧙♀️📓过检查所有记♎🇱🇺录中的工具调用、🚴🇧🇴工具返回结果和最♻⛵终回复，归◽纳出一份候选🆎🎎能力清单🇮🇳🍲，并为每种能力起🎴一个固🇬🇶🕖定名称和描📨🏎述；然后是"😅标注阶🇱🇻🇬🇳段"，分🚫析AI🆕拿着这份清单，逐🇫🇲一检查每条任务记🤴录，判断每种能✡力在这条记😛录中是"不需要🍩"、"☎🛐已正确执行"♑⛽还是"本应执行💜🌞却没有执🦶行"🥜🦜。
左为素人博主本人🎌照片，右为🦷短剧截图 普👨⚖️通人尚且🌔🤸♂️如此，🛀自带流量⬜的头部艺人更是🌮🥡AI短剧盗脸💋🚢重灾区🈶😫。正如《麻省理工🧖♀️科技评论》评🌪价的那样：🦄“当其他模型还在🧴比拼谁🌡的画风更惊艳时🦏，GPT-I🃏🧬mage-2 已👮🌷经默默读懂🇪🇺了设计🍎😏简报🦐。
