（来源：上观新闻）
**说🇮🇩到底，这项❇🥣研究发现了什么，🔠又意味着什么*🚋👒* 归🇪🇸根结底，🇹🇭这项研究回答了一🎣个在AI🚅👩👧👦训练领域长期🇬🇫🏂存在争议的问题：😽大模型推理能力🕑👨⚕️的训练，应💛🎳该用什么样的框架🆕🇸🇻来建模？ 研究团🧹🇰🇮队的答案是：把🌪♑整个推🌬😸理过程当成🚈👲"一次性🇧🇾😿行动"来评价🤛💵，而不是"一😨🤢系列连续👨💼步骤"🏔。更重要的是，他们👜🧻通过大规模👩❤️💋👩🗳实验揭示了当🇧🇿前最先进的多模🎋⛰态大语言模🌤🎑型在区域级质👎🔘量理解上的系统6️⃣性短板—🐗—即使是 Gem☝🐏ini 🚞2.5 P🍏1️⃣ro 这样的顶🌐♈尖商业模型👈🇨🇾，在这类🇨🇦任务上的表现也接💉🥯近随机猜测的🇱🇦水平👮。
这个数字🌷，就是🥾🤠"题目难度的🇦🇼🍞预估"😽🙁。AI提交的代🇩🇪🚋码不会🇫🇯😟立即报告🍓"这里有一个逻辑👩🦳8️⃣错误"🕝。“这些都是存在🕷📀利益冲突的交易🗻。第一步是🎋🇫🇴"出错模式分析"❄。一、AI助🤺手也会"选择性失💸🌏忆"：问❓题的根源在哪里 👌🇩🇪考虑这样一个🎼场景：你雇了一⏮位新员工来✋处理客🔴户投诉，他受👕🇹🇲过系统培4️⃣训，规章制度🛍🖤也背得滚🇧🇻🇸🇲瓜烂熟🗓⛰，但实际上手💈🍉操作时🌻却频频出错😴。
”他补充道，💊“文字工作大量使👨👩👧用DeepSe😇🛷ek，©产品开发则会优先⤵选用Kimi，声👂🥈音处理与智🉑☃能体协同🤚🛬依赖Min🉐🌚i Max🎎☔，编程工具开🇲🇻发则主要用C🇪🇺laude♊🎿。即便赚不到观众🛤🍳的钱，AI短剧也🛩♌能在平台通🌸🇧🇮过“买👍量”来涨播放量🍊，从而赚取差🇯🇪🌵价✒🇲🇶。“这意味着A🇬🇱⏳gent不👩👩👧🥟是在执行预设的🇷🇺😕指令集，而🧸是在自己编🚔写自己的能力🇯🇵💽。
