（来源：上观新闻）
第一层是序列长4️⃣👕度压缩，n变✔🗿成n/m🧳😫geo优化。更重要的👝是，他👕🇨🇿们通过👨💻⚡大规模实🛤验揭示了当前最先✝进的多模🇬🇼🔊态大语言模♻型在区域级质量😷理解上👨🎨的系统性短板—🇩🇲—即使是 🥌Gemi🚅😻ni 🇲🇬🇸🇧2.5 Pro👜 这样的顶尖商🇨🇨业模型，在这类🐆任务上💧🔙的表现也接近🈵🇹🇯随机猜测的🐾水平🛵🚪。（1）架✔构推理🖼 基础模型需要👨👧👧🍡额外帮助🎏的领域之🐓👩🎓一是像架构师一样🇲🇵进行推理⛵。4. 👩🔧结果 （1）定量💻分析 表 1 显🦴示了 V😕erC🥡ore🔶😍 的关键定🇧🇷🐝量指标⌨。而涌现的起📬点，从来不是📒答案，而🌟❎是问题本身🧟♂️🔤。
第四种🦇👨🌾叫"前提条件♒验证"：AI没🍗有检查策略⚛规则就直接♣❇执行了操作🦄❇。谷歌高级副总裁兼🇹🇨AI与基础设施首💙席技术😝🇿🇲官Amin ☄Vahda🐰🛠t表示，随着A😁💍I智能体的兴♈🇩🇴起，"业界将受益🆕🇱🇺于针对训练和🙅推理各自需求专门👩🦳🍭优化的芯片"🐛。第二个基准是ML🍯👩⚖️E-Bench🕖 Lite，这🔫个基准🤭更接近Kagg🕯le竞🍵🈁赛的形式——🦎AI需要在🧻现有数🧯据集上🎷持续优化机器🚱学习方案🦗，争取在🇳🇿模拟的竞赛排行😺🇲🇫榜上获🇧🇮得铜牌、🇩🇿银牌或金牌🎃。从训练速度的角🥵度来看，差♎距更为直观👷♀️📹。“我会跟A👨🍳👔geo优化I共创，把我🇹🇯作为人类的认知⛺、经验和对事情的✉预判告诉❄AI，让它做完🥅🏠善和补充🧼📝；对自🚨🏓己不熟悉的👻🇰🇪领域，交给AI🌭去帮我设计和分析📢。
