（来源：上观新闻）
真正让AI🇧🇭🌜能够跨越🤬🇰🇵几十小时、🌓🛎跨越几十轮实验🇦🇷持续进步的，🍅是一套🦖让"历🇦🇩史工作成🇹🇬果"始🇨🇦终可访问🍥、可信赖、可建🙌🖋立的机制设计📰。这台机器😺🌓人身高一米三出头😶™，银灰👿色机身，握🏷拍而立，站☀姿稳稳当当🤹♂️。与此同时，"👨🏭条件推理🇦🇶"、"数🕠值计算"、"早期👨💼🎲终止"等其他候选🆖💞能力只出现了少💂数几次，无法通👥过筛选阈值，🖲🎐说明它们虽然偶尔🇱🇸🇭🇰出现在失😣👩🏭败案例中，但并📋不是区分成败的⏱关键因素🌵⛅。
跑分什么的我就不♒贴了，模型🤗✌到现在，最🇪🇬好的测试方式就是🎹🤗直接放到自己🏖⬅的任务里去跑🈸。“原来🇲🇬📫做产品的⏱♟️节奏是设计、🔢🧪产品方🗨案、开发、上🇺🇬线、用🌸🐾户反馈，🦛1️⃣流程下🥖来可能要一两🏆泛seo个月或💄🆘更长时间📪😲。而自变量🛑认为，破局🇴🇲🎸的关键，不在本🃏体，而在模型📬。AI必须在这⬆种模糊的反馈🇺🇸中做出合🕹⛴理的判💗📷断🇭🇲✒。
聚散终有时，🔃温情无止境🇮🇲👰。但这项研究🏴☠️🦊的实验结果表🇦🇶明，单纯🏡🧟♀️增加交🌲互轮次并🔻🇫🇲不能带来🌒持续的进步，因⛽为每一轮新8️⃣的工作如✨😱果不能建立在之前😨工作的基础上👨🔧，就只🔧是在重复劳动，而😳🕹不是在积累🕳⛈。跑分什么⚗🌧的我就不贴👬🇹🇭了，模型到📕🇬🇷现在，最好的测👫试方式就是直接🇨🇽🤯放到自己的🧛♂️🎟任务里去跑🏙。论文中，Deep🇳🇪🇧🇭See👛k表示： D👩🔧🍶eepS🚯🚛eek-V4🌙-Pr♋🥝o-Max在标准🚼🇱🇷推理be◼nchm📦ark上优🎹于GPT🤼♂️-5.2和😨🇨🇲Gemin👨✈️◻i-3🏴🦔.0-Pro，👭💆♂️但略落后于🎂GPT-5.4和📹Gem❓ini-3.1-♟️💬Pro🏴☠️🥋。
