（来源：上观新闻）
论文通过可视化⚱实验直接观察到，👩🏭🐏正确和错误推🇵🇭🇹🇲理链的🐲价值曲线在中间阶👬🏃♀️段几乎完全重👁️🗨️叠，只在🍑🍆结尾附近才分开🔯，证实了这一失👨👩👦👦效机制🧭🖱。优酷A🙏💁I创意🌀❗制作部副总🙁🕺经理杨盈亚给出了💺一组极具冲🎰击力的数据：20🤶25年1月🎬至3月底💏📣，已上架👩⚕️🦑140😯↖00多🚴♀️部AI漫剧🐐，每天产能高达🕯470部🛏。
第二个测🤰试场景叫Tool😇SandB☺ox，测🧀🌂试的是🇵🇪更广泛🇰🇷的工具使用🐉能力，包含129🖍个不同场景🤗🎐。这种方式不需⭕🇱🇾要事先标🔑注"正确📮🤐答案长什么样🤬"，只需✈😖要能判断"答🦈🍠案是好是坏🌟"，因此非常🕝⛽适合复杂🈺🧞♀️的多步骤任务场🐷景😶🥁。普通的图像🇧🇼质量评估，就像🥑医院给你做了个全🙍🚕身扫描后🌺只告诉☑🏁你"整体健康🌶📁状况良好🕧，有些小问题"；✔👨👨👧而失真图，则是把📎身体拆成心脏、肺↪、肝脏等各个👨👨👧👦器官，🧣🇹🇫分别告诉你每个🇱🇮📜器官的状🇧🇦态如何、👩👧出了什么问题😹、严重程度🏊♀️是几级，同时还对🈳🤝比了你🌊去年和今年的📃👩👧👦体检结🆖果，明确指出哪些🍛器官今年变好了、🐜🎂哪些变🚎🐈差了、哪些🕛没有变化🦒👨👨👧👧。
