（来源：上观新闻）
研究团队♠做了一个生动🇨🇴😅的实验，👩🏭把同样两张🍲👈图片同时喂给🕠🐀当时最先进💦🇦🇽的多模态语言模🥃🐽型 Co-🤜🇮🇳Instruct🌐🤮，并提供了每个🔐🗄区域的🎀↗名称、描述🇫🇮和边界框坐标，➡请它回答🇬🇹每个区域的🧬🎼质量情况🇲🇸。那时候大💾🧦家都在卷硬件参🌺数，比屏幕、🥄📛比摄像头🚴🕯、比续航✌🇫🇷。评分方式更宽容🧴😧，采用部🚦分分制，最高1🇻🇬分，完全完成🗯给1分💑，部分👔🇸🇩完成给中间分数🌌🇯🇴。过去二十年我们🇰🇪👵为人类造🌧的那一整套互联网🧜♀️🧳基础设施，Age🇮🇨📔nt 基本用不上📤🌧。
这正是目前🗂大型语言模😙🧧型（简💟🇹🇰称大模型，也🇰🇵就是C🔩hatG🇲🇰PT、DeepS🙇♀️🧞♀️eek这类A🦒I）在学🇲🇨习复杂推理时面临🖥🇬🇺的真实困🇫🇷境♌🇯🇴。第二种叫🔟"日期时间👨🍳推理"：A🇺🇿I直接尝试⚾🎢心算U😇🛡nix👱♀️🚪时间戳☃🎇（一种表☺👹示时间🌐的数字格式）来🔆推算当🏃♀️👢前日期🐵🌙，而不是🇿🇦调用专门的时间转🇹🇴换工具↖🕚，结果频繁算错🤓。
更有说服力的是，🇮🇸研究团队发🇺🇸现 G🔗⛑PT-5 Min🐚🔂i 并不是🔧🖋机械地😚🔂复制失真图🔙的预测结果🐀。第一个是🔅💼Pap🇫🇮erBench，🇨🇳👨👧由OpenAI⏩🇾🇪参与设计🇪🇭🍖，专门用来测试🧨AI从头复现顶🈲🈵级机器学习🔘会议论文的能🗂力👲。One 🧑🥝mor🇵🇷🙀e thin♟️g 论文的👨✈️💇结尾有🔼一份长长的贡献者👨🦳🛀名单🇲🇵。如果你关😟😴注过具💯🕡身智能领🤺域的新闻，🇸🇾可能听过这个名字🇭🇰🍍。
