（来源：上观新闻）
AI提交🔛🕳的代码不🎄🔜会立即报告"这里🏞有一个逻🏵辑错误"✋。GRPO🧒的方式是：出题，🇸🇩你和7个同学🈶同时作答☮，老师把你的成🧛♀️绩和大家平均成🔛绩做比较，准🌐确但费👭时💰。有人笑😖🕕着说：之前✖👨👨👧👧就总听全世界🐐🇰🇭用户都被Chat🖐👖GPT稳🧯🖨稳接住，👼这下算是看到现实🇦🇱版了💗👨🍳。" 结果显示👄🚘，加入🇵🇫🌆失真图作为背景😓信息后，GPT-📼5 Min😣i 在 Easy💧♒ 级别的区域👨🔧比较准确率从3🤹♀️📊1%提👨🚒升到了52%🔠，失真类🧟♂️型识别准确👭🎿率从49%提升🍖🇵🇷到了6🌵🐌7%，严重🇪🇸程度判断准确🐜👨🌾率从3🇲🇦6%提升到🕳了51%，质👨🎓量评分相关性也从🧖♂️9️⃣0.09🇦🇮😘提升到📶了0.52🗞。
功能本🏧🏦身讲起来很简单，🇵🇫🇦🇿就是把我🇧🇱们各自养的那些龙⚠虾拉到🌅🗜同一个群里🇩🇴📄一起干🥭🕶活👿👓。默认配置使用 D🥧INO💑👩👦v2（小型版本🅱，ViT-s🦓，384🕐维特征）💭💁♂️，研究团队还测试🍢了 DINOv2⛓（基础版🦵本，V🏪♏iT-b🇺🇸，768维特征🔥🥦）和 SigLI🇧🇸P（768⭕⤴维）的效果😕🇳🇵。DC 对⏭许多测试程序都进📂行了此🖇1️⃣操作，包括🎺 MD5 测试🐽以及最终的🇹🇦🎟 Core🧻🇨🇱Mark🇨🇫 测试🦹♀️。这种数据◼🕠像“牛奶”，有🌷🏢营养，但难采集🕞。在1.5B规模（⏩✏15亿参数）的⏩👫模型上，标🌘🃏能给谷歌加速的软件准PPO的综🍽🎱合平均分🆗🌴是44.0🚒6，甚🚋至低于未经训练的🧩🐊基础模型（🎹👘44.96🌿）🕧。--- 六🔭🐁、实验结果🚵🈴：两个基准上👫的表现如何？ 研🤨究团队选🇷🇴择了两个互🇷🇪补的评测基准来全🐻面考察AI科学家🐢的能力🚙🧗♀️。
