（来源：上观新闻）
结果显示，在PO🇧🇾PE（物体幻觉评㊗估）上几乎没有🛶🙏变化（86.33⏳🕕 vs 86.2🧙♀️😂9），在V🧂isuLog🏅ic（视觉逻🥣辑推理）🚫🌲和3DSRB☢💳ench（🙍♂️4️⃣三维空间⬅🥜推理）上略有提升🏄🇳🇷（21🇺🇬.00→🔶🌋24.90和🧕🇮🇶47.🌟87→49🆔.51），而在B🍅🚠LINK（多模态👭🛌感知基准）和S😏🎇patia👆lEva👤l（空🇷🇴🌛间推理基准）🤰上有中等程度的💆下降（43.45🧟♀️🇬🇺→40.45和🧧49.🎈🙎♂️82→48.00🚦）🦕🦔。
这说明：有些🎏🐨模型天生就“话多🇸🇸”，跟任务难度关🍘系不大⏳🤧。@的历史 @符号🅰的历史远比互联🇬🇦网悠久得多🧁。这与直觉吻🎋合：机📟🏣器人操作需要的🌎是知道"桌子❇右边那个🌳🛠白色杯子在哪🚗🇳🇺里"这类♎空间定位能力，而🇨🇦🇱🇮理解"图中🏘🙊男人为什🌤🥤么皱眉头📹❎"这类🚿☠社交心理推断则🧲与机器人任务几乎😞无关🥕。
如果AI在“内🇸🇬心草稿纸”上💫📓生成的想法帮☸👩助它极其准确地📻预测出了接🇹🇰🇬🇺BAIDU优化下来的🐖文字，系🧞♀️😇统就会给予奖励🔻，让AI记住并🦹♀️强化这种思考模🌯式；如🇨🇲果那些想📤法导致AI猜错了🈂🇨🇲后续内容，系统🐶就会判👯定其无👺🏁用并促使👨💼AI抛🎼👩🎤弃这种无效的思🌲考方式🇬🇼🚴♀️。
