（来源：上观新闻）
一张图片可能在整⚒🦀体上看起☃来不错，👩⚖️🤕但放大某个角落🎀却发现人💬脸模糊；👰另一张图片👩🎓🐏天空部分清😿😙晰锐利，但前景中☦😰的人物却被过度锐➖🍬化，显得不自然🥔🧼引谷歌蜘蛛。第一步是🚳😭"出错🌷模式分析🌿"🇺🇸。在没有明🇮🇶🕷确任务目标的情🏓😿况下，🗡🎨Agent往往会👨👧👦反复试错，消耗大🕛🇨🇷量Tok➿en，但产出并🦍不稳定🥓🥜。谷歌CEO桑达👱♀️👨💼尔·皮查伊（🧑Sundar 🧠Pic🌝☑hai）在相关🖐🕔博文中表🇸🇮🐏示，目前谷🤷♂️🇬🇶歌所有新🎑代码中，75🌱👕%由AI生🗑成，该🍀引谷歌蜘蛛比例在📰🇦🇸去年秋季为50%🇦🇲🍡；此外，💜🇬🇧面向企6️⃣☸业用户的G📚emin🏘i Ente🇭🇹rprise第一🏮季度付费🌋📲月活跃♒用户数环🧁比增长40🌑%🇧🇾🌾。**当AI"看🇲🇳图"时，🙆它真的看🌵懂了吗？** 👩🎨设想你是一🇸🇮名挑剔🤝🍏的摄影师，同时收🛐🔄到了同一场景的👻🐨两张照🕘🇱🇦片🤦♀️引谷歌蜘蛛。
第四种方法叫😌在线蒸馏，为✖每种能力训练一👘个"老师模型🐬"，再训练🥡一个统一的💻♋"学生模型"去模👼🎑仿老师，结果也只👾有37.8%🧲🥑。至于为什么产生这🍍🔵样的构图、文字⏮为什么乱码、角色🇲🇿为什么崩坏🌀♦——你永🧧📃远不知🔟💨道，也无法😠👩🚀干预™🤾♂️。两种方式都🃏🏇有一个共🈺💛同的缺陷：AI从🐛👇训练信❗号中得到🥥🎯的反馈👙🇦🇷引谷歌蜘蛛，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"📭⏩。
