（来源：上观新闻）
四、"合并技🛫能"为什么反而👨💻👴不如"📽💅按需切🛥换"：一🛰🤴个反直觉🎷的发现 在💽🚥设计TRACE系🌨统时，🔲👨❤️💋👨研究团队🌤🏝面对了一🙅🇵🇱个直觉上很自🇻🇪然的问题：既🐦🥙然要训练✈🍸多种能力➕🙅，为什么不🕥👮♀️把它们🌔都整合进同一个➖模型，而要保留🇨🇩🔙多个独立的插🛑🇨🇿件并在使用时🇨🇵🇪🇬动态切换？ 🇹🇨这个问题的答🗡案可以用一个厨🥵师的比喻🤸♀️来理解🥎☢。
AI科学家在🕷🥬使用Gem👩👧👦ini-3-Fl🔯ash作为底🇲🇨👨🎓层语言👩🏭🏋️♀️模型时，平均得🌠🍙分达到30.5🚵2分，🎎🥼比同条件💪下最强的基线👍系统高出9.🇭🇹🇨🇫92分；使🎼📩用GL🛤🇦🇲M-5🥜时，平均得🧮分达到33.73↙🕓分，比🏺最强基线高出1🇨🇾1.15分🇰🇼🇬🇼。36氪在评🧿测中感叹：“菜7️⃣单上的字👃终于对了！❌🇯🇵” 这👨🎤🏗背后不👩🎨🕴仅仅是字体库的⛏🌉完善，更是推🐔理层面为 ✌CJK 字符单🇳🇵独开辟了笔🇧🇷划锚定机🎈💱制，确保复杂汉🇸🇭字（如🚴“藏”🖤“懿”😬）也能完美显示😡🥴。
