（来源：上观新闻）
他们用行业标准的🇳🇿 SimpleQ🐌A 基🥣准测试🏓检查了 4326🥧🏦 次 Goog🥊👘le 搜索的 A🐿I Ove👧🦝rvie©w 回答，分🤣🏌️♀️别在去年 10💆♂️🇸🇭 月（基于 G🙇♀️emini 2👨👨👧👦🚸）和今年 2👩⚖️ 月（升⚠级到 Gem🙅🐌ini⁉ 3）进行了🌤测试🇳🇦💡。研究团队🦚◀采用了一种名💇🎪为REINFO🏃💎RCE的奖🔉励机制来充当严😻💃厉的裁判🍷✅。从数据集🔑🗳层面看，Re👨🦳fSpatia🇻🇳⚖l（专注于空间👩🦰🔢指代推理的数据集👩🏫）获得了最高的👨🌾↪平均分，而VCR👨🌾（视觉常识推理⚡👜数据集，主要⚱免费创建网址涉及对图💊🔉片中人物行🏨✌为意图的理解🥍）获得⤵了最低的平🌼🦟均分👩👧♐。
但我们前期很❔🇳🇪克制，✒😟前两三个月投💳➖放量很少，🌛🎰一度有人觉得我们🚮是不是涨不起来🇰🇵🏛。这是Cereb👳♀️🇬🇭ras第🐅💌二次冲击IP5️⃣🇮🇨O🌄🇬🇺。2. Token🗑 效率应👇🧶该成为✝选模型的✡♌“第三❗🈸指标” 传统上💚，企业选模型看两🇹🇷🛣个维度：能力（能🔵不能干）和🥼速度（干得快不快🏦）🅿🧺。用大白🇵🇫话说：🇩🇯人类觉得难🇵🇪🐯得要死的🏸🎴任务，Ag👩👩👧👦ent🔞🧮 可能🕷轻松搞定🐿🇲🇭不怎么花钱；人🙀类觉得小菜一碟◻🗳的任务，Ag🦚🛫ent 👨🍳🕗可能烧到怀疑🍂🇨🇻人生♾️💇。
