（来源：上观新闻）
在受控对比实验👩🦱🦌中，AI科学家使🎎🇱🇮用两种底层🍹模型均达到了8💦🗾1.82%的任🥛意奖牌率，分别◼比最强对比📟系统高出🏴4.55和18🏯.18个百分点🇧🇴🇮🇳。提示词🐌： 设计一👞张日料⛴🦛店的菜单海报，包🥏含店名‘椿·⚛旬料理’，至少三👨👩👧道菜品：三文鱼🕒🍍腩刺身、特🏕选寿司拼🧖♀️盘、纯米大吟👟酿，价格用📯人民币符号🦟。数学、代⛴🧗♂️码、a☔gent、🎄指令跟🀄🌰随四个🧵领域，🎪各自独立训一个e🍩🤭xpert🧿👧。马斯克表示，🐷👩🦲特斯拉已偿还Sp🕔💦aceX0️⃣🧀购买S👔olarC🇪🇭🇬🇮ity债务📊🥳的款项😞。
真正的工作细节—🇻🇬🧥—论文分析、代码📝、实验记录、错误🇬🇫📒日志——都保🇳🇵存在一个结构化🤠🎬的共享🇬🇭🍉工作区里，任何专🇿🇦业代理在需要时🏓😊都可以去读，而不🏂👨🎓是靠着"上一轮🏠✉对话的记忆"来续🚋接工作🏘。(作者/箫雨)🧫🏙 更多一手🤦♂️🇩🇬新闻，欢👨👧📬迎下载🚶🏍凤凰新闻客户端☸订阅凤凰网科🚘技🇵🇹🦁。虽然我们🐍🌮发现这并未影🗂🇳🇮响 DC 🆙↪实现功能💆😐正确性的能力👹🚰，但却增👇加了 🇵🇲DC 🎗调试时序↔问题的🔫难度📖🐍。第一条，百万t👘oken上下文🔓🌠全面开源，K👨🌾🕞V cac♓he大幅缩减🌭。分析过程分为两个🥨⚾泛seo阶段：先是"发现🚊🕡阶段"，分析A🎶🐓I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A🇨🇲🇸🇷I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"7️⃣🇦🇴还是"本应执☹💴行却没有执行"🚞👧。
