（来源：上观新闻）
这种从图纸到大👨🇾🇹批量稳定交付的工🏆程化能力💂♀️☔，是纯⏏🐬算法或高校团🍯💔队难以短期复制的‼。在实际测试中，😣研究团队独立运行🎡了10次🎢能力分析🇱🇻🌛，"结构化数据🐳🚒推理"、"多步🤨😿骤任务完☠🚭成"和"前提🐒条件验证"三种🏫👩能力每次都被稳👩💼🌙定识别，"6️⃣工具调用精确性🕖"在10次中被识🌮👩🎨别到8次🐣🦎。这表明其🤜发展轨迹大约落后♟️💦最前沿闭源模型🚌📅3到6🇰🇿🏠个月🧀。
这个发现背后🔏🧓有一个深🤽♂️层原因：当多种🇦🇶能力同时塞进一✝👨👨👧个模型🐠🌼时，这些能力😽之间会产生干扰©🕺，就像同时学习多🦹♀️🤳门语言有时🏺🌨会让各自都变得不🎸🐍流利🔟🦹♀️。”Meta首👓席人事🦠💼官珍妮尔·盖尔📱👨🎨(Jane〽💭lle G☄ale)写😫🦹♀️道✌。此前的人工智🛂能芯片设🚷👆计案例仅展示了🦜部分设计，🇨🇵而没有展示完整的🍱📏核心🇨🇷👩🎨。实验逻🍏辑很简☎单：对于一对图🎿🥴片，PAN☎DA 🗑生成两张图的🍧失真图，⭕然后用一个朴素💪规则来🥺做整图排名——如🇽🇰果某张图中更🈴多区域的质量评分🦍更高（或者比较🔲关系显示更🚒🇹🇫多区域更好😷🇧🇧），则认为该图整🚒🍔体质量更💂♀️好🔚🐶。
