（来源：上观新闻）
图丨基于自然语言🚬的代码正确🇬🇧🙃性推理示例（👨🦲来源：arX👨👨👧🇧🇶iv） 🎞如上图⤴所示，FM-A💟gent 🚆逐段推理代码执行🇲🇭🏧后的程序状态描述📜（注释部分），即😲后置条件，📀🎋一直推理到函👷数返回，检😅女同久久一区二区三区查最终的程序状态🍌➗描述是否违背了规📬🎈约里对最🇪🇬终程序状🛫😠态的要求🧶🍹。
这一平衡🇲🇨❔的关键在于❎利用 🦝☄LLM 的两🏴项能力🤦♀️：一是在👩👩👧👧提供函数调🐐🐕用上下文🧕的前提下，能够理🇯🇪🇸🇯解每个函数的意🎼图；二是在处👱🌻理较短程序🍌🐌时，能根据输🈸🎐入准确推导输出🔴🏝。例如，其已👕推出可在180🤞🇨🇳°C以上高温🎶☠环境下稳定运👅🧩行的车用ML😨CC，同时针🥼对AI服务🏸器与加速器开发出🇸🇲具备更高电容📄🏋️♀️密度、更低ES🎪R（等效串联电🗓阻）与更小尺寸的🇦🇼🦑产品，以适配🌞🛑高频、高电流🏗与瞬态负载变🏵化剧烈的💿场景😓。
