（来源：上观新闻）
**当🦄🧘♀️AI做数👁️🗨️💠学题，"打分⏳🚋员"却失灵了*🇬🇲🕯* 假设你正🧣🚠在教一个学生做数⛵🧼学题，你的🚿🇮🇴评分方式是：🇲🇲等他把整道🦍😽题全部写完，才🍨告诉他😜"对"或"🌥错"⏏🖍。百万to⏪⤵ken不是一个🏴🤾♂️新的能力，是同🤴一个上下文🌐窗口被压到🍩🧞♂️可以承担的成👩👩👦本🌠。
在失真类型识别上😈，Ea🌴☯sy 🚧🐏级别中 🙌PAN🙎DA 🦢达到了7🕺👨🎨8%的💂♀️准确率，而排名🍵第二的微调版 🗯🕯Depi🐮ctQA+ 达到🌼75%，商🍵🏰业模型 GPT-↖🧼5 Min🚐i 只🧜♀️有49%，GPT🤼♀️🌿-4o 是♻🇧🇾谷粉搜索谷歌搜索引擎入口46%😷，Gemini💙 2.5 Pr🚓👩👩👦👦o 是39%♐，而随机猜🍂🦆测只有💡7%🐛。
在多位受访者➗看来，He🔃rmes🥭还远未到成🅰熟阶段💱。每一个伟大的旅➡🇵🇭程，都是从踉👙踉跄跄的第一🈸步开始的🕛。但如果能拆🇨🇭🈂出多个 Agen📺🌾t，分叉的时🇼🇫候让子 Agen🕑🧽谷粉搜索谷歌搜索引擎入口t 各自探索不📤同方向，❣🇮🇸流水线的🔒时候让不同 Ag🍟ent 负责🤺不同环节🥥🍃，主 A🇹🇨㊙gent 管总方🗨向，整个执🇲🇾🔷行过程就会🇯🇴🌻更快，也🙏会更稳🙅。
