（来源：上观新闻）
更关键的🥑🥔问题在于，🐳🍓这些模型通🖍过"监督微调"（👩🎤可以理解为"🔌◀刷题训练"🏟地蜘蛛）的方式习💾🦵得了固👩🎤定的回❄🧙♂️答模板🌑，就像一个学生🎲死记硬🌛🗃背了几套答题公式🎯🤣，一旦遇🤙到没见过的题型🍤🇹🇿就不知所措🐂🚟。“大家把它吹🥌得太玄乎了，其🦞🎑实相比于Open™🎡Cla🛍👨🦱w根本👩👩👧↖没有质变🔳。
他们发现，打分🧗♂️🤑员实际上是在偷懒👽——它根🇹🇯地蜘蛛本不关💏心AI在推理过程🎇中的第🗳三步、第五步、㊙第二十步在做🇧🇮🔎什么，而🧒是一直等🎈🏄到推理接近尾声，👨🎓💟才突然"清💆♂️醒过来"，🏧根据最后几行🇮🇳🥛文字的语义特征🙄猜测答案是🧁否正确🏔。这有力地证明了，🤵🌥区域级🐐的失真图确实可👝以自然地"聚🏷💈合"成可靠的整👨👧👦⬜图质量排名，与人👱♀️类的主观👲感知具有高度一🎌🦓致性⏫。
只有两个🌸指标都超过阈🔘值的能力🇨🇻📭，才会被选👰入训练计🎒划🎷。在医学图像🔂领域，可🇸🇽以把两次CT扫描🤦♂️的不同区域（🤓肺、心脏、肝脏等🥥）进行结构化对比👗🇹🇷，辅助📌⛲医生发现🇰🇳🇵🇭细微变化👨🌾⛈。实测见证❎：从信息图表到多🇲🇲👚格漫画，👩❤️💋👩🔪它已进入生产流程🔷 真正衡🌕🙆量技术🍋价值的，永远💄是落地🛳🆚场景🍩。主要评估指🇷🇼标是"任意奖🐼牌获取率"🐤🙁（Any 💮Medal%☹🚎），即在全部测试📘任务中🇧🇹，有多少比例能🇲🇽至少获得一枚奖牌◻📩。
