（来源：上观新闻）
为了确保评🛌🇸🇦估的客观🧹🇨🇿性，研究团队不🇦🇱🆚仅使用了传统的🚑🎬自动评估指标🇧🇳👷，还引入了大🇧🇭🐽型语言模型🗳🗡作为评判🧵📇者的新颖评估📝方式📗❎。在这种最严格的测👻善良的嫂子字巴巴鱼汤饭惹人中字试中，人⏫🏏类评估9️⃣者在42👨❤️💋👨%-51⛸%的情况下更偏🧯📔好WAL👩🔧🇫🇴AR训🏜练的模型翻译，而📩🥮认为两种方法®翻译质量相❕🏒等的情况占34🍮🎏%-3💗9%🌌☑。可是，🎳Space🗓X能做到吗？可能🇳🇿性不大👎。这就像是一个学💧生在法语考试🖖🛸中用德语🙉答题，却因👩🏭🐞为评分◽系统的🎩缺陷得到了🛄高分，结果🚽越学越偏离正确😕方向🏜🎾。
谷歌Gemi👖ni在消1️⃣费端赢得广泛用户🇺🇿，Anth😶rop🈵🍩ic的代码工⏬🖤具Cl😬🍑aude🇲🇩 Co✒de凭借高度🔼自主的🦸♀️🇰🇼编程能力🉐迅速攻占硅谷软🌙件工程师群体👣，令O🔏💣penAI措手🏀不及⛪🇻🇬。与此同🏇时，传统大模🦉🛂型依赖提示工🧩程、模式匹配🤸♂️🇧🇳和思维链🔏👱展开🔅。然而，浪🐼💯潮之下，必有🔻水分👯♂️📣。他强调，这只是第👨💼一步🏌🇷🇴。即便他们技术🇸🇳优势明显，商业能⬛👩🦲力也很强，🚋但也突破不了地缘🦴政治和主权🇻🇮安全的限制👨✈️🇿🇲。
