（来源：上观新闻）
当然，这项🔊🚁研究也坦诚地指出🎣了自身的局限🍖✋：SP👷♀️🥢PO的设计前🛑🐞提是存在一个🇭🇳明确的对🇲🇶💍错判断——数学👨👩👧🦎题是否答正确🍌👚。
两种方式都有一🔵⏳个共同的缺陷：A👩🦱I从训练信号中📋得到的反馈，是🍲😅"这个任⚗🥟务整体成功🇭🇹了"或"失败了"🇨🇺，而不是"你🏴在第三步查询数🍋据时出了🕔问题"😣⚰。
1M MRC👫🇹🇻R上V4优于G🏎emi💐ni但明显不🍿如Cla🖱😍ude🇫🇲。Agent📴 也是环🏤境的反应器啊📧。这个差值越大，😱说明这种能力越能↕🧚♂️区分成功和失败🚼。与上一代I🐳😹ronwood👍🌺相比，TPU 👩🦳😜8t和TP🇩🇰U 8i🛎🇧🇾在单位🇬🇹🎐功耗性能✝🥬（pe♎rforma🍴nce🥊-per-wat🍌💨t）方面🔏最高可实现两倍📢🇲🇴以上提升🚢。
