（来源：上观新闻）
为了充分有效地加™速设计流程，并避🇪🇦🏇免受到阿姆达🧛♀️尔定律🔒👓的限制，🌤这类代理必须解👩👩👧决整个问题——🗽直至最终达到可🔢流片的GDS🇱🇷II🎸👨🦲。DC 可🇺🇾能需要多个🖨❤子代理实例协同工🌰🏀作才能及时完成其🗨🚾任务🦹♂️🍷。如此规模的区域级👩🦰🍌配对失真数据🦌集，在学术界尚👨🍳🈺属首次😜。
这个方法🎺在实践中🔈效果相🦒当不错🤽♀️🤸♀️，原因在于🧗♂️：它不再试图⏭给推理过💂♀️🇦🇿程中的每一步打😸📼分，而是把🧯整个推理链当成一🔠🙍个整体来评🛌🙋价🈵。为此，研究😞↕团队在🉑🇷🇸两个公认的图🤠像质量🧝♀️评估基准数据🚼集上进行了🌒零样本测试（🇳🇺即不对👩🎓模型做🍾任何额外训🎅🦵练，直接用在🇩🇬 PA💄NDASET 🍁上训练好的 PA🇧🇼NDA 来评估新🌷数据集）🏘。
参数量高达✴💴270亿的 G🖇emini 2🌏☢.5 Pr🌂🥐o（谷歌旗下最👨👩👧👦🇸🇷先进的☔商业大模型🐅之一）只有22🛢%的准确率🎻🍡，而随机🏋猜测的🇬🇸准确率是20%—😩—也就是说，🌻🇵🇦Gemin🚋🚎i 2.5 🏴Pro 在这🌜🏜项任务上的表现🔃🏓几乎与瞎猜🇹🇻无异🗿😔。
