（来源：上观新闻）
它的思路是🍍直接扔掉那个🛶🦑不靠谱的打分员🍪🦵，改用一种"横🌱向比较"的方式👨🍳🕛：对同一道题🙋♂️🇨🇰，让AI同时🤸♀️生成一⚔批答案（🇵🇬🇴🇲通常是8个），🥡然后以这批答案🖇🤼♀️的平均得分🇦🇬作为基准，那些⏮🈷比平均水平🍃❗好的答案🐟🥶就得到奖励🧼🖌，差的就受到惩罚🛩。hen🕶ry 🐋🎑发自 凹🎑非寺 量子位 |✌ 公众号 Qbi👆tAI D📵😢eepSeek🇸🇿🐟 V4🥥↔“迟到”半年💳📁，但发⭕布后的💹好评如潮还在如🚟潮🔪4️⃣。
更致命的是，♍🤸♀️VLA♎👨👧👧只能“模仿👩🌾”训练数据🚱中的轨迹，它不理😢🐵解杯子为什🙎么会掉，也不理↔👨👨👦解为什🇸🇪么盘子悬在🎙♑桌边需要🏷推回去🇼🇫😡。当预测越来❇💣越准确时，AI训🌤练的稳®定性也随之提升—🌖—因为一个✂🧙♀️好的基准🚳👩🎓让AI能更清👨👨👧👦🇮🇪楚地区⬜🧩分"这次是🕙👉真的进步了"还是🇱🇷🎰"只是运气好"😮🇯🇪。
