（来源：上观新闻）
本报告的其🏟👨👩👧👧余部分将介绍设👂计Design🧡🔝 Cond🎨uct0️⃣or (DC🇮🇳) 如何实现🇯🇪这一点🇩🇿🛏。此时，DC 专🍴注于集成🎊🛣测试🇦🇹👨👧。参数量🤨🍅高达270亿的 🐿Gem👨👩👦👦🐙ini 2👨❤️💋👨🐷.5 P🧗♂️ro（谷歌旗下最👩👩👦👦🦹♂️先进的商业大模型🕕😾之一）只有2🈶🕗2%的🛐准确率🌍📡，而随机猜测🧚♂️🎷的准确率是20%🍨——也就是🍅说，Gemin🍕📞i 2.5 Pr📝o 在这项任务🇫🇲👠上的表现几乎🏟与瞎猜无异🇦🇱。
这条连线会标注👘"锚图中的这个🚨区域比目标图中✏🌄的对应区域好"🦙🚊、"两者差不多😈🧚♂️"还是"目💬🐡标图更好"，🎌而且还会🧺区分"🍓🚀稍好"和"😜明显更好"这🚂🇲🇷两种程度👩✈️🇻🇬。2. 物理世🧒🇩🇪界的“世界🗼☺观” W🧒👜ALL-B能🐫够感知并预测⚗🇧🇪重力、🦹♀️🇨🇦惯性、摩擦力、速🍟度等基本物理规律🐱🅾。
” He◀🥰rmes🌈的记忆机制🔤🇨🇴也同样存在问题💀🇷🇸。在GL🇮🇳M-5🇬🇷🇨🇮下差距更悬殊🇲🇱：迭代代理每任🇸🇾👨👩👧务花费54🇹🇰.90美元🏙，AI科学家🇳🇮⭐只需12🗄.20美元🚇🇾🇪。对1M 👩🎨token的序👾列，原本需要at🎱tend 🎊⏺1M个token🧵🕶，现在只需要a5️⃣🇻🇬ttend👡 1024个🕓9️⃣压缩块↙。最大的不确定性在🇦🇩于，你无法预判🔘🏧Agen👑🤸♂️t会从哪🧚♂️些数据中学习，以🛁🅱及它生成的技能🕗🏷是否包含🍞危险指令🦓🇨🇴。
