（来源：上观新闻）
在Lo♦🐝CoM🦞o基准测试上（👱该基准由来自麻省🇹🇷大学等机👱♀️构的研究者于20🦇24年ACL会议✨👜发表，专门评测↘🇨🇫LLM🌉代理的🇹🇭⏭超长期对话记👨👨👦👦🍹忆，全称是Ev🍛aluati🤷♀️🗺ng V🎅🉐ery Lon🚥g-term C🙏🇰🇿onversat🧗♂️🐴ional M👩🎓🔢emor🦜y of L🙎什么叫做二级域名LM Agen💇♂️ts）🇳🇱👿，研究者🦎取了1🇦🇬🚥0个对话中的2个🇰🇳，摄入了1585🐱条事实，生🚝🈲成30🆔🍯4对问答对🇪🇬🧧，用A🥐zure的🙍📕GPT-5.4-🦕min🏄🇺🇾i作为评🍣判模型，以Li🍺ker🛬🎣t量表1-5👰分、≥4分🎮Ⓜ算正确的🇹🇨☑方式打分📗。
这背后用到⏰👞的是信息几何🇳🇺🦎什么叫做二级域名领域的费舍尔-🧦🇷🇴饶度量（Fi🔩👜sher-Rao☔ me🔐tric），它🛬🥮是衡量两个概👘率分布之✨间差异的一种数🚭学工具，由At😭⛎kinson和M🚝itc🦗💁♂️hell在❓👨🎓1981年给🌱出了对角高斯分♐🈴布情形下的精确计🙎♂️🤳算公式🚻。Gerko 并不🇵🇭🇸🇨打算加入这🇷🇸个游戏🎑🤖。
我们必🏊😕须组建一个团队🦞。这并非🎦📆什么尖端科技🎒🎾。最近硅谷确实🇬🇪在流行种酸橙🇧🇮🔐树，因为这💉🚬种树的枝条❓🚆上，长着 4🇦🇸 英寸的尖🏙☁刺，任何🐌🚬试图翻越的人🥄都会付出代价🕑🍷。它们很🐏少能展🗣😶现出这✅⬛次采访所呈现👩🚒🧾的魅力、坦👩❤️💋👩💁率和远😚见📎🐻。对于缺乏相🌽关专业背🤟景的用户而⛔🔺言，这种“🦞确定性”👨⚕️输出极具欺骗性，😋需要提🇸🇲👼高警惕🇸🇿。
