（来源：上观新闻）
这不是能力的差🇭🇷🔟距，而是范式🧾🏦的失效🇷🇺🛀。论文中，D🇮🇹🕊eepS🥎eek表示：🦉 Deep🇦🇪🔉Seek-V4-🥩Pro-Ma👨👧x在标准推👍理benchma🚿🔁rk上优🧿🎡于GPT🏌️♀️-5.🍣🤨2和G👩🔧emi🗄ni-3.🤽♂️0-Pro，但🕟略落后于GP🏈🇦🇱T-5.🍚4和Gemini🐢🧳-3.1-Pr🍳o🕣。
第三个局限是比🥺🍣较关系标签依赖于🏸🇬🇧 TOPIQ 这🇨🇦一特定的🇵🇱图像质量评估模👩🌾型，可能会🥳继承该模🕵🏨型的感知偏好👻。这是因为打🔱🗽分员需要理🧱🍬解AI在每一步的🏃输出，从而估算当🙌前局面的价🧫😀值，而👠🌯这种理🤤解能力🙏要求打分⏫员具备📚👈和AI相当的语言🇲🇷理解能力🗂🧻。
另一个是"🎀覆盖率"：🏩某种能力🥵🦎的缺失😃，在所有失败案🔛🥞例中占多大比🇫🇮🗼例🛵。这个数♑🧷字背后，是📖🌕AI生成🚽🏨内容野蛮生长🇴🇲的一个切面🏸😇。2020 年，研🚰🥡究人员对 GPT🕤-2 模型进行👯♂️了微调，🙀🇩🇴使其能😫够设计逻辑🏥🥂电路片段；20🍜23 年，研究📿人员使用GPT-🦉4 帮助设㊙☃计了一个具🇺🇸有新型指令集的 🆖☺8 位📎处理器；到 20🍕🏌24 年，🦓🖤各种 LLM 🕧🇺🇾可以设计和测试具🍤💧有基本功能的芯😳片，例如掷骰子🧱🧾（尽管这些芯片📻通常存在缺陷）💐。
