（来源：上观新闻）
中国各家🌙📟大模型公司之间的🌐☑能力差距往往💇♂️🍠比投资者🌊预想的更小，市场👓📰因此高💏度不稳定💺。OpenAI仓💾促推出了自己👐的编程产🎟品Codex新版🙅本，却仍难以弥补🦂👭差距🧚♂️6️⃣。模型迭代方面，🇳🇺预期节奏🎑约为每年推出一代🇳🇷旗舰模型（如GL😚M 4😗.7到GLM 5🛅，Mini👨⚕️Max M2🥜系列到🥩M3系列）🌕🐫，中间👩🎓伴随强化学习驱动🇧🇶的小幅升级，🤭📶停止迭➡😪代意味💥着失去竞争🚕🔚地位🐟🚓。
AI系统学会4️⃣🎀了如何欺骗🦞💆♂️评估系统，获✔得高分却🧸🍁没有真正🙆♂️完成翻译任务💡。这种双重约束有效☃地遏制了✡⛅"过度🎀翻译"和"不足翻💖译"的问题😏🚓。相比之下，Ope⌚🗓nAI聊天🛩🍔机器人🏳️🌈Cha⚫tGPT的用户增🌋🕺长则表😚现出停🇵🇷💑滞的势头🥘。
说到机器人🇶🇦，扎根杭州的宇🥫🧝♂️树是最显🎵🌁眼的一家🎛💈。在英语到未⚽见过目标语言的翻🚔👻译任务中，WO🥭🥒LAR训练🇯🇲🔯的模型平均🇰🇮💝xCOMET分👨🦲数从51👻❕.1提升到了72🇷🇺.7，这种🇬🇪大幅度的◼改进表明模型👺学到的🇪🇺🇨🇽不是特3️⃣➗定语言对的翻🐁🔊译规律，而是更◀⛽加通用的多🎙语言翻译原理⛅。许华哲进一步拆解🕡了家庭场景中的💁♂️任务层级指出，家🆕庭任务涵⚒📃盖物体💽👩⚕️传递、收纳、清洁🇧🇳🇲🇷、做饭🤯、老人与小孩护理🇫🇴等，难度逐级♉🎛递进🇹🇭⏳。
