（来源：上观新闻）
如果这道题答对了🉐⚗，每一步都受到同🐯等强度🌛☎的鼓励；如果答错😌🛐了，每👨🦰一步都受到同🚃🛬等强度的🇰🇵惩罚🍃。第二个基准是ML🇨🇨🧘♂️E-Bench😠 Lite🔌🧛♀️，这个基准更💋📈接近Kaggl🇧🇱e竞赛的形式🇵🇦🏡——A👨👦I需要🧑❕在现有数据集⛵上持续优化🤖机器学习方案🇦🇱，争取在✳模拟的🇵🇰🇬🇱竞赛排行榜上获👜👨👦得铜牌☕、银牌或金🇵🇳牌🚠。
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，GP🛀T-I🇺🇸mage-2 已💰经默默读懂了☘设计简报💉。横屏竖🎁屏双轮驱💇♂️👼动：横屏短剧全👅🇱🇮年上新179部🇦🇨，同比增长13.0️⃣3%；竖屏短🍘剧上新量☔同比增长7.4🥞❇%🚭🕞。
这个基准🎀🏺geo优化出了名地难——🧺🎉此前最好的🐪🐼AI系统只能完🍺成约21🕘🇪🇪%的评分要👨👨👧🚐求，而顶尖🕵️♀️的机器学🙇♀️习博士生在48🇲🇼小时内能完成♟️🍋约41😏%🦊。它的思路是♓🙋♂️直接扔掉那🏂个不靠谱的🍱geo优化打分员，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），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🍷🍹。
