（来源：上观新闻）
在128k🍩规模的沙箱上🇨🇬🔳测试引用覆盖✝🎼率（CC），t💭😪ext-embe🧚♂️🇹🇩dding🚆💺-3-smal📰l表现最➡👓佳（GLM-4🧝♂️.7搭配时CC=🐴⛴56.58），Q🏖💃wen-te⭐🦄xt-embed😧🛬ding-v2🐽✌略低（G🇵🇦❣LM-4🆚.7搭配🧛♀️时CC=5⛎🚪3.61）😒，而传统B🐯M25方法则差🚳👙距明显（GL💕M-4™🇧🇭.7搭配🚪时CC=5☸♒0.71）☄。在评判模型的选🍁择上，研究🏫💫团队将Cla🏫ude S🍱onnet 4❤↩、Gem😣ini🇺🇲 2.❌👩👩👦5 Pro和🐒🌽Qwen🧥-Max作为G🇨🇦🦘PT-5.1🌦❤的替代者🤯🇦🇺重新对🍘🌟六个模型进⏺行排名，发🚣♀️🗑现排名结果⏪几乎一致👨⚖️🥁，平均斯皮尔曼🤮相关系🇺🇬泛站程序数达到0.9🈺24，说明评测🆚🤷♀️结论的稳😻定性不依赖于🐳特定评判🎢🦃模型的🚴♀️选择🏴📵。
不久前，人们痛💏斥西贝两年保质期🗃的冷冻🧨西兰花🤪、太二5分🇸🇻🕔钟端上桌的现💲🇧🇦杀活鱼时，极力🐃捍卫名为🇳🇨🇧🇸“手工现🥇做”的行业基准🕶🥠线，谁能☕🤧想到，有👩👦👦时候贾国龙们🐏⏬的预制菜，居🍤🔨然比小老📘板的现做🚭更安全健康👨❤️💋👨。但这里⏱👹有个陷阱：如果🇸🇲压缩后的数字和原🥮始数字用同一把"🇵🇰🇨🇿尺子"来🇲🇶量距离，会发🍔👓生什么？就好比你🚢用同一把直尺👨🔧去比较一张原版油📿⏩画和一张6️⃣模糊复印件，🇱🇺复印件因🙌🔳为线条😅🍡扩散，某些局部🇬🇵🧂可能反🏢泛站程序而看起🆔👀来"更接近"某个🇹🇩🧲问题——🌝这不是我们想🚄🥪要的结果🧹。
