（来源：上观新闻）
与此同🇨🇳时，在🤠考察常识推理🌂能力的Com🎛mons🛋enseQA测试🇰🇿中，它*️⃣🐲魔术泛站群的表现也展现出了💽🦵同样强劲的上升🐷🙅♂️势头🔃。在普遍涨价🎦的大背景下，各品🚾牌策略也显现🇨🇻出差异❤😺化🔏。它就像是专门🍚为数学考试🥶突击训🎴练的应试技巧，只👓🕰有在遇到标准问👩🚀答题时，模型🃏才知道要列出🍏🏃步骤；一旦回🍻📴到日常的☺🇳🇮随便闲聊或🌊◽者阅读普🔇🇦🇷通文章时，🎰模型就又被打回👛⏳原形，继续不假🈲🔫思索地往外🛶吐字🚹🧂。急救技能的教学🌕与考核，长期🀄以来依赖人🍖工评判🇲🇳📝，效率低💆👴、标准也🧀🇮🇶不统一🇵🇫🥠。
在这个🛑☪融合阶段，模型就🇶🇦像是一个🤯🐉正在整理思绪💴的辩手，一🛁🍌边看着手里的辩👣题，一边瞥👳一眼自己刚刚快🕋速写下🇦🇪的提示词，💼🕷尝试基于这两者😻📌的结合来预🇹🇴测接下来🆗到底该说什么才最✡准确🆓🧻。然而这种方法表📀魔术泛站群现最差，Ca👨⚕️🤶lvi🇻🇳🏬n仅有🇦🇶1.527，👯🍚说明这个♋指标捕捉🏀🏇的信号与实际有效🦉性之间存在严重🛳脱节❓。一天后，他在 G🔖🤝oogle 搜索🇪🇸😡「最会吃热🐧狗的科技记者」🇰🇵。
