（来源：上观新闻）
这不是🍉8️⃣在抱怨某款产🏪🕖品，这是当下几乎🦗🇩🇯所有 AI 工🇱🇦↔具的共同🇲🇼局限：它们没❓🥾有记忆，也🕔🇳🇬没有成长☣🇦🇼。PANDA 展现🚟👨✈️出了最小的🦶🕋性能下降💸幅度，而部分商🛍🦏业大模型🥅♒在 H🇮🇴ard 级别的严👊🇲🇶重程度分🦏类任务上甚至下👨👧👧🇨🇨滑到了低于随机👬猜测水平⛓的表现—8️⃣—这说明在面🐟对复杂🧸混合失🧱🥒真场景时，🏤🐝这些模型完🎂🌑全"迷失方向🍙"，只能靠"😄惯性"输出一🇨🇦些听起来像样☢但实际上随机😆🥎的答案🥬🇮🇩。该方案的摘录如🇲🇺下所示🚮。在标准PPO🤤中，那🇲🇬🚶♀️个"打分员"（🗻📡Critic）通🍨常和被训练的🥯AI模型一样大🕸🌸。第一是 🐎Open👂🦵AI 怎么反🍎击 Anth👩🎨🇬🇫rop🇰🇳ic 👠和 Goog📷🐊le👨👩👧👦🇨🇬。
这条技术路线和能🎦力跑顺了，就可以🇨🇷🎣打通很多个🧶⏬生活互动场景🔕。转折是在🈶🛎去年年底到🦜🦏今年年初➰。过去的方案因此只🍽🚒能使用小型神经🇿🇼建网站一般需要多少钱网络，处🚁™理能力通常停🇩🇲🚅留在数十万参数的🌷🎥水平🕋。动作是最有说🇱🇸💡服力的⬆表态🇲🇲🔳。分析过程分⏩为两个阶段：🔃☹先是"发现阶🧪🇸🇩段"，分析AI通🌽💟建网站一般需要多少钱过检查所有🇭🇳记录中的工具🏺调用、工具👩👦👦🤢返回结果和最🇲🇪终回复，归纳🏴🤱出一份候选能力清🇯🇲单，并为每🔻种能力起一个固定🐳🔵名称和描述；然后🙆♂️👥是"标🌷🦒注阶段"，分🇪🇸析AI👞拿着这份清单，🔅🏌逐一检查每条任务🇸🇲记录，🇰🇭📫判断每🚲种能力在🇹🇦这条记录🗓中是"不⛱需要"、"已正♒确执行"还是🌁🌭"本应执🧼📹行却没有执🇦🇺行"🐈‼。
