（来源：上观新闻）
这个基准出了名🔋地难——☹🚄此前最好的⏮AI系统🚫🇸🇹只能完成约21🚏%的评分🥧📭要求，而😒😧顶尖的机器🍩🔚学习博士🦸♀️🍥怎么诱捕蜘蛛生在48小🤷♂️🧧时内能完🐽🆒成约41%🥠🕧。
这种"先结构化、😊🚩再语言化"👽的路径，可能🇨🇩🛫比直接让语言模🤡🛶型输出区域级⬆🌔分析更加可靠和🦙‼可控🎛♈。五、训练越🕹多真的越好吗：T👨RACE的扩展🖋规律 🇧🇳🧺研究团队➗👩👦👦还专门研究👨🔧了一个很实际的📙🤓问题：增🍮🍒加训练资源（⛓更多的模拟对话📈👂怎么诱捕蜘蛛轮次，或者训练🧞♂️更多的🐺👨🌾能力）💕，带来的🏹🎼收益是否能持续🏦增长？ 从能力🍚数量的角度看，T👕🤛RACE在覆🦸♀️盖1种、2种、4🇵🇪🏌️♀️种能力🕛时，通👩🚀🇨🇰过率分别约为40🇲🇪.3%、43%、📌🕹47%，▫呈现出稳定的递进🚧💎式提升📶🇲🇨。
为了充分☕有效地加速⏲设计流程，并避免🥭🇭🇺受到阿姆达尔🏺定律的限制🈶🎠，这类代理必🇻🇺须解决整个问🇮🇪😼题——直至最终达🇦🇽🖋到可流片🤴的GDSII📢。研究结果表明，模🇱🇮🇰🇭型对超🍄参数选择并不🎥🐤特别敏感——😖在大多数合理的参🛴🌻数组合🚘🍔下，模型表现保🌧3️⃣持相对稳定，👰只有极端配置才😩会导致明显性👩👩👦🇮🇩能下降⚔。
