（来源：上观新闻）
一套看🦒🇸🇹似优雅的后🚉🥟训练方法论，背🛅后是一堆「🙏🍨不这样做就装📬🇲🇷不下」的工程🇰🇭🇸🇸妥协🇬🇫🇰🇾。拖鞋散落、猫🇳🇴🍁突然跳🐋上桌、🌓灯光忽冷忽热🖐。Q2：Pape🎷↕rBenc📼✂h测试的是什🇵🇼🎊么，AI科学家🥖🧝♂️的表现如何？🗓 A：Pa👨🎤📷perB🚾😗ench👅要求A🌊I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🕦♏。就像一张照片整👡体偏暗（所有🔵💑区域都受到"变暗🇲🇹"效果的影🇱🇹响），另🇩🇲🐭一张整体有🇧🇴🕹噪点（所♨有区域都◻😚有噪点）ℹ🎑，系统需要📽分析各个区域的🇬🇷⚾情况并进行👩💼🎶比较💜。
这意味着👀👨🍳它只需用户提供一📦个初始提🐤⛵示（在本例中为一👸🔈信息流广告怎么投放份 2⤵◾19 字👨💼🈁的设计规范）📸♓即可自主🍳🇳🇿运行👩🏭。分析过🌂程分为两个阶段：🍏👩👧👦先是"🥅发现阶段"，分析⌨🇧🇯AI通🐴🙅♂️过检查所有记录🌟🚘中的工具调用↩、工具返👩🎨👩👧回结果🇲🇻👨👧和最终回复，归纳🚄🔱出一份候选能📋力清单，并为每♋😣种能力起一个🕺固定名🛢称和描述🐮👩❤️👩；然后是"标↗🇹🇩注阶段"，分🐏析AI拿🏄♀️着这份🔱👧清单，逐一检💃✉查每条任务记录，💱判断每种🦟🕝能力在这条记📸💢录中是"不需要🤭🎥"、"已正确🥳执行"还💶是"本应✏♉执行却没有执行"🇨🇦♐。
