（来源：上观新闻）
两种方式都有一🚢💝个共同的缺🇧🇦陷：AI从🇧🇩训练信号中⛈得到的反馈，是🦐"这个任务整体成☁功了"或"失👇败了"👪📴，而不是"🦟🇼🇫你在第三🐔步查询数据时出🚅🇦🇽了问题"🇼🇫💱。Q2：P🍿👨🦲aperBen✍ch测试的是什么🦌💁，AI科学家的表🤛现如何？ A：🇨🇨🕘PaperB🍲✝ench🥴🔢要求AI在24小🎨🏛时内，👨🦲从一篇机器学习🇿🇦论文出发🚔🧱，在没有🧤原始代码的➿情况下从零搭⛄建、运行并复现论👾👨👦👦文的核心🚼实验结果〰。
（3）规🥥👱范要求 我🇰🇷🔰们发现，提供给 🏤🐚DC 的输入规👩👧👧➗范必须以极其严🇮🇸谨、精确且可验证🏴/可测量的方式📵🛩编写🧝♀️。数据构🤧😄成上，长文🚟档数据单🥿独cur🤫ate，优先收录👨👨👦👦🧛♀️科学论文和🦛🇳🇬技术报告这👑类有学术价值🥿🤗的长材料💁♂️🥌。
第一个预测头💲🏒判断区域比较🌯关系（🇩🇴是锚图更好、目🙋标图更好🇭🇺还是差不多）🥁☎，第二⚖个预测头识别失🍢真类型，第三个预👨🦳💱测头判断严🧕重程度♾️，第四个预🌛🇺🇬测头给🛏👿出0到1👲🍚之间的质量评分🚠。而这，正是具💯🤕身智能这🇵🇫几年开始🚜↙在尝试的事情🐋🌀。
