（来源：上观新闻）
然而，更多潜在的🏜设计由于产量太低，根本🚑🏹不值得⚠⬅专门开发芯🛂⛷片🇸🇭。它的思路是直接扔🗝掉那个不🤔🇧🇴靠谱的打分员，♿😺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🍶🇪🇬。与OpenCla🐲w的静态调用🦡🍐不同，H🇷🇪🇹🇯ermes在♌运行过程中可🇳🇴🏤以自动生成🚀🔶、优化、🇹🇿存储新的技能◀代码，🗞并通过“技能蒸💦🔋馏”机制😎将任务经🈺验沉淀为可复🍹🈶用的技能文件🇨🇲。
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🐺🥜。从 Ea🔉🐊sy 到 Har🏠🔈d，所有方🧵🔣法的性能🏙🚏都出现👚🧘♂️连接蜘蛛了不同程度的🇿🇼下滑🐫。首先是特征提🔥🇦🇹取器的选☁择🔎👩💼。
可以把↙失真图理⏱解成一份〽详细的"体检报🔁告"🗑。论文中，Deep🍳🐧Seek表示：🐱 Deep🇹🇴See🐲🌪k-V🥊4-Pro-🥍Max🤟在标准推理b👗enc🚲📵hmark上优👊于GPT-5.2🚻和Ge🎏mini-3🙂🇲🇨.0-6️⃣🔨Pro🐻，但略落后于GP🧀🇸🇮T-5.4和Ge🦑🍛mini-🅾👊3.1-🌏🗾Pro👨👧👬。这匹“马”🚽🤗，叫Hermes👩👩👦。从腾讯的“wor🇲🇷k.r🙎♂️ally”、🚏爱奇艺⏪的纳逗AI、字📄节的Seed🔠ance，💙💦到芒果的“🧗♀️山海AIGC平🈂台”，平台们争⏪🔵相成为创作者的🇺🇳🧰“基础设👩🚒施”🤼♀️🍷。
