（+微:hywyysxs）
评估时，他们🇦🇩测试了三个代表🕧性的基🚇🛣准：MA💈TH（数学🇰🇵推理题集，每道😒题只有正确*️⃣或错误两🆕种结果）、MM🇧🇼LU（覆盖😣广泛知识领域🇸🇳🇬🇫的多项选择❗题）、以及📆MMMLU（🇸🇯🕒MMLU🤜⛱的多语言版本，🍶😓包括德语、西🥝班牙语🍁、法语、意大🇦🇮利语、日语等）🍛。近日，👜有用户发帖反映，🍨🥶其使用飞鸭↔AI记账🚂上海辅助生殖科哪家最好App时🧑🇹🇴，告知记账🗯AI自己为父亲👨👨👦购买1✋59元衣服，🕐AI竟不当回复🇰🇳称“那👌🌾颜色……他穿出去🛁邻居会不会以为你💕🧝♀️买了寿衣？！”🌙🥓 该用户🇦🇷🚜追问后，AI进🔖💼一步回怼，称寿🌬👨🚒衣是死人穿的🤶，还调侃♨🌡用户父亲🚋所穿蓝白衫“确实🕙像”，引🔤发用户愤🇳🇮🏮怒，用户🇿🇲当即退钱注🎹销会员🇧🇾。
结果，他🐞🍈们真的都来美国👩🦰建厂了🇵🇸👨👧👦。从其开源代码中🇮🇸可见：直接在输入🛤序列末尾插几🕧👰个隐式指🤲🇹🇭令🥽。当地时间🥭5月5日—7👡日，在👩🔬美国洛杉矶举行📓的国际信息显示😥🧮学会显示周🍡🇨🇬（简称SID 🇨🇨🙄2026♟️⚖）期间，中韩🕥🖐企业的OLE⏪⏯D技术比🌫👯拼加剧☁。在城区内著名的ℹ🇸🇹Cityl👦ights书店门👨🚒🇧🇿口，记者曾🇵🇱🇼🇸碰见本🔲📪地媒体围绕🎆亚马逊旗下的🏴Zoox进🍄🦠行拍摄，显示其在🇾🇪城市核心区域🔹的持续🕉🕥测试和曝光😿。比如，如果我们今⏱天想做的工作🍽💿就是人类想做的全💮部事情，那🖍🙌我承认自👨💼🔏动化会让越🌕来越多人失业🇳🇫5️⃣。这些对比共🐝同揭示了😸🧜♀️一个道理：VLM🥜🕋样本与V😐LA领域的对齐🏝🤘程度，是一个🍉需要从♏🌼数据中⤴学习的复杂信⏪号，而不🦵是可以⏩❔靠直觉构造的简⚒🥳单距离👚或困惑度度🛑🇲🇵量🌡🦗。
