（来源：上观新闻）
在受控对🐔🍁比实验中，🎋🏴AI科学家使用两🧹💇♂️种底层模🔑国内比较好的saas平台型均达到了8🏢🐬1.82☎😠%的任意奖牌率，🧤🚓分别比最强🧮对比系🥖🌄统高出4🧂.55和18.📈18个🇵🇫👨⚕️百分点💪。如此一来，标😒♥准PPO*️⃣🛎训练出的AI，往🦋🙆♂️往不仅没有进步，🇵🇲甚至比训练🇦🇽🤷♀️前更差🎗⤴。从训练速度的🍚🇯🇴角度来看，差距更🍫🏛为直观🧪。真正的信息要💹等到实验跑完才能🤜🦌看到：🍌◻结果对🇫🇲🤞不上论🎓🍉文中的数♊字，但是到底是6️⃣哪里出了👅问题——是数据🔚💦预处理、模型结🏴构、超参数设🐒🥕置，还是环🇨🇨🇱🇻境配置——🦌🗑很难一眼判断🗡👨🚀。参数量🤕高达270亿的 🌵Gemini😖 2.5 P🕋🗽ro（谷歌🔊🍢旗下最先进的🍞🏅商业大🇸🇹模型之🥓🏸一）只有🥫⛴22%的准🔦确率，而随🇲🇫💆机猜测的准⚙确率是2↖💫0%——也👨⚖️🇾🇹就是说🇲🇫💆♂️，Ge⚱min🇯🇲i 2🇫🇮.5 P😮🎯ro 在这🏃📈项任务上的表现几🇱🇧乎与瞎猜无异🗨🛶。
因此，在多位👷🙋♂️受访者看🥙来，对于普通用户🇰🇪💾而言，Her🇬🇶mes还🤣不是一款需要🍶立刻投📓入时间🤧🛴和成本去深🇫🇯🈴度使用🇮🇹☮的工具🐼👂。正如《麻省理工🇻🇬科技评论》评💯价的那样：🇸🇨“当其他模型还在👷♀️🇧🇳比拼谁的画🎋风更惊艳时🏞🥠，GPT-Ima⚓ge-2 已经默🦝默读懂了👩👦👦设计简报🤱。第四种方法叫🇮🇶在线蒸馏，为每👧🕌种能力训练一个"☸老师模型"，👄再训练一个🌊统一的"🗽🐶学生模型"去模👩👩👦👦🇫🇯仿老师🙄😦，结果也只🤐有37.8👱%🇭🇺。这份文件就是整个🗝项目实施阶段的👩👦🧗♂️"行动纲领"🤚。第二步是"定制练🇱🇮🔝习环境"📥🍾。” 公告同时表示👘，“家门📐常开，欢迎归来”↪，传递了🌱对两位主播的不舍🍏与期许👩🦱🕷。这种高度🧙♀️🕘集中的分布说明🚤，目标场景的🍷🦋失败模式并不🌡是均匀♻分散的👨🦱🛋，而是高度聚👩🦰😽焦在少数几种🇹🇳👨🏫能力缺👺失上‼。
