（来源：上观新闻）
匹敌闭源🍤。PAND😜🍪A 展现🤞出了最小的性🗂😻能下降幅度，而部👨👩👦👦分商业大🐙💮模型在 Har🇹🇨🛋d 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——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🚙蜘蛛咬了怎么处理。
这个方法在实践🕺📥中效果👨👨👧👦相当不错，原🚘因在于🥁⚱：它不再试图给推🎟😷理过程中的每🗻🐸一步打分，而是把💚整个推理链当成🎓🛸一个整体来🐂🚝评价🍈👨🦰。通常，只需要 🚍🤸♀️Bas♋h、Edit👶 和 Suba🙎gen🐕🇮🇳t 这三个工具，🔭但也可以使🤛用这些工🍺具的定制版本以🧐🙆及其他工具来📲⬜提高性能🤸♂️🈯。它可以同时召唤多🍝个子代理🇦🇨🐊并行处理不同维🤙🚪度，再汇💯📌总成完整的🈶分析文件🍟🚵，供后续所有代🧢🎦理参考😁。
比如，一个盘子一🇵🇾半悬空在🇬🇷桌沿外——它不需❌🧸要见过这种情况，⏰💚就能推😇断出盘子会掉落、🚢摔碎，从而🔻🍊采取预防👄🚹动作🚥。评分方式更🇾🇪宽容，采🍕😶用部分分制，🇻🇨最高1分，完🙎全完成给♓1分，部分完🚽🍭成给中🏳️🌈间分数🇺🇬🇬🇺。论文中🧦🔎，DeepSee🛂k表示： 🏸💝DeepSe🌰ek-V🏳🥃4-Pr🐛o-Max在👩👧标准推理benc🧮🙆♂️hma🧯rk上优于GⓂ🥵PT-5.2👨🚀和Gem🎐ini-3.0-🎈👽Pro，♉🚦但略落后于GP🇬🇩T-5🧧🇹🇰.4和Gemi🤷♀️ni-3.1-🐱🇩🇰Pro🙇。
