（来源：上观新闻）
在一项考验“智🗜🔛能体”🍻👨🎨的基准🕹🕵测试（T🏣⛹erm🖥inal-B🐃🎫ench 2.0📎）中，它拿到了😛82.7%🌕的高分🦄👕。图 1：👨🔬🤷♀️在同一问题上🦌🕸，慢思考模型🖲在得出正确👛🔸答案后仍👵🐭进行冗余👨👨👧反思；现有抑制方🌱™法则过度压缩有效✏推理，导致思考😳不足；而 ⏺🇵🇲ReBalanc🥿🍱e 能够生👠👤成既简洁又充🇬🇲分的推理过🥯📧程🎁🕎。
” 在探索🌇🥧从Demo🔉（用于演🔱📻seo翻译成中文示功能或验证概念🇸🇴的初步版本）到真💄实用户👗🤤验证的AI产品🥘创新与商业实验后😝，盛叶开始反复🕡思考一个问题：🎛为什么很多项目🇸🇹▫能快速🥳⤵做出Demo，🖼但很难走向真实用🚨户和商业验证？🔌🤪 在盛叶🚩🦵看来，👞技术原型往往🍩📣只是“从♊🤽♀️0到1”，💓更难的是“从🌭1到10🤾♀️🇵🇪”——找到用户❣、验证需求，并🕚形成真正的闭🇲🇱🏧环🇲🇱。
我们采用了另一种🧤理念，即我于🔛🐂1979年在🇹🇭Xerox🧘♀️💟 Park看🆗✂到但当时并♋🆗未完全看透的那些🌕🛂卓越的原创构想之🇧🇸👨❤️💋👨一，称之为面🌇向对象🚑技术👩🚀👩👧。从技术角🇵🇹度讲，这并♑🇧🇯不高深，普通爬🇳🇵虫就能做到，这🇦🇷🕟也是以往🙇📹黑客获取🥪🤕信息的一种基本手🇫🇴段🍽🇬🇶。
