（来源：上观新闻）
比如用户要求🐰🍇取消两个预订并修🕑改第三个，🇪🇷AI完成🚐第一项取消后🇵🇱发出了"如有🏴需要请随时👩👧👦🤯告知"的🆙👨🦱礼貌性结语，🧞♀️然后陷入与💿用户的无效对话循🔑🔉环，直到超时💼🏦也没有处理🤪🙅剩余两个请求😤。研究团队将🎦挑战归纳为四个🇮🇪🍙层面，每一个单🏩9️⃣独拿出来都不🔜简单，而🦁🧢它们叠加在一👴起，就构成🧥🕗了一道极为复🇸🇬🅾杂的难题🇧🇲。
闭源大厂追求的是🤦♂️🇲🇫能力上限，谁家的🤒🙅模型能在HLE上🎙拿更高分🇧🇯。Flash🧠🇱🇾-Max可能是这🥽🔈篇论文最☁🇰🇵被低估的🛴一部分▶🎦。AI助手先在👔目标场景中📧🍉实际工作🕚📢一轮，🎎积累一批成功和失🥰🥁败的任务记录🙍♂️7️⃣。这个工作区被划分🇦🇼🤠成三个区域：一是🔝🗺"论文分🧶🇬🇺析区"，存放对目🌥标论文的🇨🇭🇯🇴结构化理🤜解、关键指🦁🦸♂️标、实现细节🏝😄和存疑🌝🏢之处；二是👩🔧📢"提交区"，🚛🇦🇼存放可运行🇨🇳的代码🍿⚫仓库，包💃🦵括环境配置脚🌝本、资源下载逻🇭🇰辑，以及🏛👨🎤最终执行入👨💼口文件；三👲是"代理工🏷🇹🇯作区"，存放任💦务优先级计划🛁、实现🍒日志（只能追加👨🔧🚔如何制作一个自己的网站，不能🇮🇪修改）、实验日志🇦🇷和每次🇹🇳🇳🇵具体实验的详🇺🇸➰细输出😧🙋♂️。
具体来说，失👨真图处理的是一对📛🇻🇮图像——一🐍🤲张叫做"锚图"（🎣🏦ancho📼🇦🇸r，可以理解🇲🇹🍄为参照图），另🇮🇶💆一张叫做🐌🤧"目标图🇸🇯"（target⛵🇱🇾，即被比较的🗣图）🇰🇿😮。尽管压🇨🇽🏎力更大了，⏬但这并非该员工🎩💺第一次经历公🥡司裁员🇰🇲👓。只有两个指标都Ⓜ超过阈值的🕋能力，🇲🇰🇦🇸才会被选入训练🧛♀️计划👛。
