（来源：上观新闻）
Verk🏊♀️or.io团队👪表示，尽管🎋🔑有所改⚪进，但🔙🗨LLM（逻辑🏊模型）🤕仍然缺乏人类所👨🏫拥有的直🕟🐶觉🕗🤠。正是为了⛷👘解决这个问题，华🍭🚠为技术🤰🌦（加拿大）的研究🥺🇹🇰团队提出👴了一个全新的思⏪👩🏫路：与👩🚒⛴其让AI🧮笼统评价整张图，🙇不如教它像真正🐌🇳🇵的专家一样，先把🥒图像拆解成一个🌸个有意义的区域✴，再针🏬对每个区🇩🇲域进行细❌致的质量分析🧰，最后通过一🌛🎛张结构化🖕👝的"关系👩💼图谱"把所有🇷🇸💕信息整合🇦🇸🌰起来🥑🇦🇲。他表示，🏊♀️📰此举打👩✈️造出了“(地球内🍲外)最🕕雄心勃勃、垂直🇧🇪🍲整合的创🇸🇭新引擎”，👩❤️👩🦊对Sp👩👦🇻🇦aceX的估🇲🇴值超过1万亿美🇳🇴🇲🇱元🐓。
最简单的🐉🥍"Eas🕵️♀️y"级别，要求两⚡🇸🇦张图片中所有区域📦都被同🐄◀一种失📟真类型影响📁🤹♂️，只是严🇳🇫🌽重程度可0️⃣🧔能不同🇪🇨。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A🇮🇨I能更清楚🇵🇰⬜地区分"这次🔑🥧是真的进步了"还🇳🇱🏘是"只是运🥋🇨🇬气好"🇨🇿。提示词： ⌨设计一张日🍳🇹🇷料店的菜单🔮海报，🚍🌡包含店名‘♐椿·旬料理’🤶🇹🇳，至少三道🕕菜品：三文鱼腩刺🦹♂️身、特选‼寿司拼盘💢🦹♀️、纯米大吟酿，价📤🛬格用人🤾♂️🚐民币符号🇮🇶🧯。
”刘思行说⏲🇸🇷。“大家把它🐧🎮吹得太玄乎了，其🐛📽实相比于O👿penCl🌭🍸aw根本没有质变🥍🙍♂️。这组数据背后🏘🛤的逻辑🤪是：当训练👩👩👦💉场景与🙆👨⚕️seo和sem的区别是什么?目标场景🏄完全一🏊致（即🇬🇺直接在目标场🐹景上做GRPO）➗时，模型很容易🛣陷入过拟合或训练🏌↪不稳定的状态—🚙—它学到🇩🇪🤞的可能是特👨👩👧定题目💶🏦的答案🤛，而非通用的🦍能力；🇽🇰🤾♂️而TRACE🎟☀的练习场景🎱🥄经过专门设计🇬🇮，每道题都由随👗📙机种子程序🏐生成，变化无🏰😞穷，AI练的是"🇳🇫🙎♂️能力本身"而非🌋🛣"特定题目"，🇵🇫因此能够随着🌅训练轮次的增加🧼持续稳步提升🇪🇪。
