（来源：上观新闻）
在大模型万亿参👱数和全🐅模态竞争的当下，🇳🇿🌃它还需要交出🍪一份答卷，在下半🏀😑年昇腾9🤸♂️seo泛站群50超🇹🇦节点到位前，顶着🇬🇧多模态应用技术的©压力，它的模型🇻🇬😻服务、产品迭代👩🎤🐭，甚至是🎭🦎人才组织架构，🎟🦋能否保持稳🧖♀️定🧪。在LoCoMo基🇰🇭🚪准测试上📜🇹🇰（该基准由🍚来自麻省大🚚🌜学等机构的研究者🇳🇷于20😼📵24年ACL会®👨👧👦seo泛站群议发表，专门😧评测LLM代理的😹🌷超长期对话记忆🕚，全称⬜是Ev🇮🇸🇵🇫aluating🗨 Very Lo😥ng-te🐶🏢rm Co🔦nversat📎🤐iona♒l Mem🅾ory👨💻 of 🔮🥧LLM Ag🌬ents），🇧🇫🐡研究者取了🔰😁10个对🇦🇮话中的2个，🇧🇬😅摄入了💴1585🙆条事实，生成30🤦♀️4对问答对🕟🉑，用Azure❔🎸的GPT-5😩.4-🇨🇮seo泛站群mini作🔮🐤为评判模🔯型，以Liker🇻🇮🕰t量表1-5分、🇧🇮≥4分🇷🇸算正确⛸的方式打分🇭🇹⚓。
第四类是"配⚰🛴对偏好🚽💔测试"，👮♀️☎让模型裁判对两套🔺幻灯片进行两🖼两比较，判🎍🆕断哪套更好，同🔄时也将AI生🥒🚬成结果与人🔅😊类作者准备的◾幻灯片进🥕🌅行对比💮，衡量👜🚷与人类水平🔕的差距🍖。V4模🔣😜型首次采用F☺P4+FP8👩🍳◼混合精度🔯策略，这对芯片的⛅🖌低精度支持能力🔥🆗提出了新要🧴4️⃣求🧻。围绕这🏃一转型目标，Me👮😱ta随后又👩🔧在岗位体系上🚵♀️做出配套调😞🍷整🧸。两类子智能体都不👻共享主智能体的🧿全局上下文，只🌻↘向主智能体返Ⓜ🧁回高度压💋缩的摘要，🇸🇲🚽以避免信息爆炸🐊导致主智能㊙🐃体迷失在细节↘‼中😅🔨。
