（来源：上观新闻）
这种情况就像✡🇧🇹学生被要求👩🚀用法语回答问🐙🔏题，却用英语🇧🇲🇭🇳写了一个语法正确🎚的句子，而评🗯分系统只检查了🤓语法正确性而忽略🇪🇪🇩🇴了语言要求✔。如果不解决这个🧞♂️🗃问题，无🏐🚅论我们投🐼入多少💇🔷计算资源和时🔃间，AI翻译系统🚺🔄都很难🏮👱在真正🔔🇲🇫意义上取得突🇬🇩🐺破，特别是在🕛那些资源稀↙🚙缺的低资🍑🇲🇰源语言翻♏译任务上🎇。
硅谷何以为硅谷🇸🇻？这背后有两个关🙅键“定量”： 🇦🇫第一，必须始终🏯🌭保持创新💆🇬🇬，保持对全世界🚁♦的技术优势，甚至🧙♂️让这里的思🙏🤵想，成为引领🇲🇽👩🦰全世界技💃☝术进化的方🐧向； 第二🇲🇩，必须能❄👡够输出👖🇦🇿标准，这里🦒不仅仅是科技🕜领域的技🇩🇪术标准🧿🇲🇺，还包括了👿🖋很多产业范式🔇🌶，比如A🇭🇳🛀I领域一贯🔴坚持的“⏪🇻🇮开源协作”🏏🇦🇼。
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🕤☠。处理同样的 1🚥000👁 字中文报告，🐷有些模型可能只🧞♀️✌需要 12💝🦘00 个词元，🌛而有些可能需要🗯 1800 个🤱。值得注意的是🚎，这一调查存在一👝定样本误差，无法🧝♂️🏴☠️统计An🧔⛱thropic的🇸🇿现有用户🔈总数，也不包括C➡laude的企🧫业业务或免费🍛🥤用户数据🇦🇩。
