（来源：上观新闻）
在LoCoMo基👚准测试上（该基准🌈🛫由来自麻省大学等🦗机构的研究🙄者于202🤭4年ACL会议🍃🗾发表，👩⚖️专门评测L🇬🇳🇸🇷LM代💖🔄理的超长期对🥃话记忆，全称是😫🚱Evaluati⚖🥮ng 🍮Very Lo🇳🇴ng-t🛳erm C🎶onver🧬sation🚠🦷al Me🎄🈶mor🍷🇧🇧y of L💗🇱🇮LM A🔶😓gent🆘🇳🇦s），研究🇹🇨👖者取了1🐲🚐0个对话中的👨👩👧👾2个，摄入了🏄♀️1585🔇条事实🇪🇹😝，生成304对问🏳答对，用A➗zure的GPT☀-5.4-min🦑i作为评判模型，🏗🛄以Liker👨🔧t量表1-5分📕、≥4分算正确的🧷方式打分👩👩👧。
Stev🦜e Jobs：👪📋噢，那🔭💀非常痛苦📱。从几乎为零到 ☮😅1%，只用了短短🇳🇱♊几年时间🙀。在“AI🏕查到考编成绩”这🇵🇳一案例中👅，核心问题就是“👝🇱🇻没关好0️⃣门”🤴。有个我🤙🇹🇩很喜欢的判♻断标准🎾🍡：如果用户愿意🍢🇸🇳“爬玻璃也要用你😷的产品”，哪🇬🇾🇵🇸怕这个产🌞🌖品还很🗿不好用，那📨基本说💅✋明这是一个值得🇨🇵投入的方👁向😲🏕。
