（来源：上观新闻）
这个基准出了🥳名地难—✍📮—此前最好🚨的AI系统只能😜📫完成约21%的🐎评分要求，而顶尖🐨的机器学习🐕🧣博士生⬇🌥在48小🚞时内能完成约♉📥41%💤。整个行业，正🌬🏣在拼命寻找❎仅存的分数👨💼🍍。这种"⛵回归均值"的🏙🥊行为实际上对训🏫🌱练是有益的☢——它不🇬🇺🔵会因为过🔔🚴于自信或过于🌉🛰悲观而产生扭曲🌑的训练信🕴🧛♀️号，而是始终保🤥🇳🇦持一种适度的不确📨🇭🇹定性，🇪🇭让真正的"超常发📸挥"和"🇨🇨蜘蛛浏览器出乎意料🚠的失误"💥都能产生足够强🗺的纠正👨❤️💋👨🇹🇦信号😌📴。
但工程🧖♀️🌦上装不下，十几🇱🇮⤵个teache🇻🇨r每个都是万🏨☘亿级，voca🛏🕺b si📽ze超过10万🇧🇫🌩。传统扩散模👲💬型仅关注像素分🐵💗布，而新模⛑型在 T😶❓ran🥃💷sfo🧚♀️🇲🇪rmer 的 b🌰ackb🚱one 之上💤🇹🇹集成了推理链（C🇪🇹👁️🗨️hai🇫🇰🏳n-o👮♀️f-Th♍ought 😑⬆for Visi🇰🇮on）🥤。
