（来源：上观新闻）
研究团队🥡🔛在这个基准🧧上对当前🇭🇲最先进的多模🇮🇹态大语言🚇🔳模型进行了全面📼🇨🇬测试，😋结果相当🍑"触目惊🏯心"🛌。由于每种能力只对🎿应一个单🇸🇰👮词（比如A、😛🔲B、C）〽，模型只需🆒👩🔬要在这些候选词◼🤸♂️之间选🦜择，判⤵断过程极为0️⃣高效，🦟每次任务只增🎸☯加几秒🙂👯♂️钟的额外时间👟🔯。
你甚至👱♀️还能在会🇮🇴🌶场里看到正在和境📍🌰外友人“切磋球🇫🇴技”的人🦒形机器人🍲🐖广告投放平台。评分维度包括代码👨⚖️质量、能否⛵成功运行🕷😞，以及结🌖🍝果与论文的吻📥合程度🚧🌪。
第四种方法叫🌭在线蒸馏，为🚦每种能力训练一🐽个"老师模🐱🍟型"，再🦵👨🦰训练一个统🔍一的"学👩🏭🚅生模型👨💼"去模仿老师，结🦔果也只有37.⤴🕰8%🇨🇩。测试结果显示👓，在难🍁度最高的🏳️🌈Hopper☃🕝和Mo♟️unta📶🚩inCa👚👩❤️👩r任务上，标准P🇲🇽PO几乎完全失败🍎，成功率停在接近💑零的水平；而SP🇬🇦🧓PO成功🇩🇿解决了这两个🛍任务，成功率🇲🇷稳步攀升💶😏。
