（+微:hywyysxs）
软件工程师的🍴🇲🇨目的不是写♦🇺🇳代码，而是解决问🍇题、创造新东西🇦🇸。不论是长按电🚒源键、特🌐🆖定手势还是语音唤❣🇧🇳醒，A🇰🇪🇧🇱I 始终像一个👠🍢躲在后台的🕓🧕客服，你提😶出需求，它弹出一🕣个遮挡当前界面🥽的浮窗来为你服🇧🇹务🇮🇶👨👩👧👦。 当不◼😹少消费🕯者在选购电子设备🖌🙎，已习惯往高🇬🇲🚻一档看内存，🇨🇩以期多用几年🙍♂️🎬的时候，不🇱🇹🇲🇨妨也思考下🌥🧳处理器对于端侧A🇨🇲👨🔬I运算能力👦🇨🇿的提升，同样每👨年正在以突飞猛进🇨🇮的速度升级，但🦡这又是无法👏预购的未来🍎🗯。测试指标是🔃🏇自回归📡预测误差——让💸模型预7️⃣😻测未来6秒🧘♀️🇵🇲的轨迹，然后和🚋真实仿真结果对比🇱🇰。
不过，梁巍认🇳🇫为，大模型🚌再怎么持续🥯进步，距离真正到🌖🇳🇺场景用户👬🌩手里，变成一个🥗用户真正🧐能用的产🇱🇧🐽品，中间还是有🧿缝隙的🆚🤽♂️。这个排🚋👩🦲名的含金量不言而🥬喻，Arena⛓.ai采用的是👨👩👧👧一套依靠用户盲😽测投票产出的E🇸🇷⌛LO评分系🇯🇵🛸统，没有官方公关🇦🇽🧀或自报数据，每🇬🇹张图都☃🤼♂️是由真实🚩😡用户在不知道模🧘♀️🏃♀️型来源的⛰前提下，对🎍🏰两份生🤩成结果二选🚏一投出来的😩🕦。想象一下😨这种矛盾1️⃣。具体来说，🤔🎒他们让VLM读🇰🇷🆗取每一个🕯数据样🇺🇦本，提取出模型对🇸🇩这个样本的🇧🇩🐆内部理解表🌠🤡示（可以理📘🥰解为模型对这段🤦♂️内容的"印象⚛"），然后用一🐼🇹🇲种叫做最大均值差🇯🇪异（MMD🐏）的工具来🚣量化不👋同数据🚵😮集之间🛐🕉的分布距离——距🔽😳离越大，说明两组◻数据的"世界观⛔"差异越大🦒🏡。
