（来源：上观新闻）
对于人工合🖇成的非天🧹👩🦰气类失真，研究团☦🚂队参考了此前学术📻界的经验；🤤对于雨雪这🏤类天气失🐊真，他们🔊🚂使用了🇦🇱🕓真实的雨🚻📟雪叠加素材😈；对于雾霾，他们📳⁉通过调整大😳气散射📤模型的参数来模拟🚾🌸不同浓🇬🇬度的霾🔵🇫🇴。况且真人塑造的👻角色，往🥚🎏往带有演员自己的🇲🇭影子和♎🛂温度，而AI无论🇭🇷🕗多么还原，也♉只是一堆冰冷的🇲🇩算法👨👧。这些专🚙家的角色将👩❤️👩是指导 DC🐡 在架构和😢目标层面实现他们🥖🇹🇬认为能够在市⌚🧣场上取得成功🇵🇭⏳的设计成果——他🖼📿们能够进行无🍈需猜测的实验🇮🇶🧝♀️，并争取更激进😂的成本⏳🇦🇺和性能目🤽♂️🇰🇲标🔦🎣。
分析过程分🔣为两个阶段🚬：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"还是"🥋👨🦳本应执行却没👨⚕️🌿有执行"🥛。五、训练😣越多真的🐯💹越好吗：TRAC🇬🇪E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🇸🇳拟对话轮次🚠，或者训🚤4️⃣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💑3️⃣RACE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🏛☝。
