（来源：上观新闻）
在模型选择方面，🍣研究团队并没有局📌🇲🇩限于单一的AI🇬🇫🦸♀️架构，而是选择了🥨🕎三个不同的先进模👝型进行测试：Q🙆♂️wen3-8🥇B、LLaMAX🛠🕺3-8B🌻👨🦱-Alp🦇🐷aca和Tr🕸anslate🇵🇸gemm⚗🌡a-4B-it👵🏌️♀️。
但是，语言对齐评⚖估的复杂⏹性远超简单的语🕶☔言识别🎬。写作业问 AI🕓😩，理思路👼问 AI，不知🍻♣道吃什么也问 🍢AI🤭🐫魅语不知火舞的乳液怎么样。这种方法💄🍩的优势🐫🎅在于，AI法官🇵🇪不会像🤒传统评估工具那🇨🇲🦙样被特定的👴🙍"作弊"手🦄⛸段欺骗⚱🙍，能够🐈🐧提供更加全面和准⭐🎯确的质量判断*️⃣🇺🇬。
