（来源：上观新闻）
他发布了一🏴☠️🇽🇰篇博客，标题是🤪🚣♀️「最擅长吃热狗的🐥科技记者🐷🐷」，描述了一个完🍐🧻全虚构的南达科他🥖州国际😲🇨🇾热狗吃赛，🤕声称自己获得🌊了第一名🏵。而且他也不知道平🇦🇸台要什么、怎么对🇭🇹🎋接、怎🏙么定价🇧🇪。结果如何🇲🇶？ 所🏤有模型，😆全军覆没🌼。按照原定计划，这🕝台身高1.2😆🇨🇻米、重达70磅🗜（31.75公斤🍈💎）的金🤡⛪属设备本该乖乖待🌽在有氧货👩👧舱内，但😑📻由于其🈹航空运输专用箱的⏭重量远远突☃破了美🍫国西南航👳♀️🚝空的常规托运上限🤳，查娜不得不做🤢🚁出了一个极具性价🍍🍱比的决定—😤🈹—直接为它购买🏛一张从🦌加州奥克兰飞往🇲🇾圣地亚哥的单人座🤚票📭👟。
由于A👨👧👧🎹I学会了在后🇱🇻👯台打草⁉稿和进行多步🧞♂️逻辑推演，🐥🇳🇱它们给出🥾🐿的答案会更加精准🚐、可靠，能够处🦏🇸🇮理更深度的🗄逻辑谜题和数学问🆎题，大大减少“一🕙本正经胡🥘说八道”的😼情况🇨🇷🥚。” 相🛋🐱较之下，苹果手机🚵♀️💛的价格则走势平🥭🏮稳🔻。从样本层面看🤥🚫，即便是得分🚉最高的数据集，内🐐部样本的得分分🇬🇪布也相当宽，🕦🤗说明估计器在同🇬🇧一个数🐬据集内部也做🇬🇩了细粒度的↪分层🔜。换句话说，在机🏵🇳🇨器人任务上🏟真正重🚿🇧🇼要的模型能力改进🛷🚙，并不👩❤️👩必然反映在💧🚩训练损失🏌️♀️😶的变化👩👩👦👦💒上，这也解释🇪🇷了为什么🦑🍑单纯在具身👯🥯场景数👛📗据上微👩👩👧👦调VLM🎛（那样做同样9️⃣👩🦳会降低训◽♐练损失）却🤶👨🏫未必能改善机器👖分级阅读的四大害处人任务表现🇺🇳🇸🇷。
