（来源：上观新闻）
测试结果🥭🐘显示，在难🇭🇰🔪度最高🐭📷的Ho🈶pper和M🇶🇦ountain😭🛬Car任🚽🎨务上，标准😢PPO几乎完🕤😅全失败，🍠📇成功率🇮🇷🥶停在接近零🚎🌏的水平；而S⛏PPO成功解🇺🇸3️⃣决了这🧕🛡两个任务，成功率🌱📁稳步攀升🚤👩👦👦。Simple⌛QA-V🤗erifie✊👨🍳d上V4-⚡🇪🇭Pro-Ma🇭🇳x拿到🦂57.☪9，K✡2.6是36.9🛫，GLM-🆙🇺🇳5.1🇨🇬🏌️♀️是38.1📹。🧩 多方案🌋🧦并行 👮+ 角色一⌨🏴致性 🍸— 一次最多🗒生成 8 张图，🇺🇲且保持人物🇮🇶🇻🇳/物品跨图💈一致性👩🎓🇵🇬。一、AI助手也🧭会"选择性失🚟忆"：问题的根🚤🇸🇳源在哪📤🏟里 考虑🎉🧣这样一👅个场景：🇲🇷你雇了一位新员工👉来处理客户投⛰诉，他👨👨👧👧🧣受过系统培训，规👩🦳章制度👱♀️也背得滚瓜烂✂⚰熟，但实际🏑上手操🔼作时却频频🦖👨👨👧👧出错🔺🦹♀️。
HLE上V4-P👪🛀ro-Max ⏳37.7，🆘Gemi🇫🇷ni-3.1-P🇪🇺ro 44🛩.4，Claud🔄e-O🚣pus-📏🐃4.6-Ma🇲🇬x 40.0👨👨👦。研究团队将AI科🥤学家与非层级化的🇹🇩🚵♀️简单代理➖👨🔬（在Pap⛔erBench👨👦💖上对应Bas🚁icAgent，🤾♀️在MLE😫🚄-Bench 🐢Lite上对应A😳🥦IDE🔸）进行比较😻，发现🐑📹即使是去掉文件即⚰通道机制的🐧"残缺版"AI科🇮🇩学家，在Pa🇪🇭🤜perBe🐚🗣域名cnamench⛴上仍比B🕞9️⃣asi😦cAgent高👌出4.74分，在🇧🇻MLE-↘🇨🇩Ben🐭ch Lit♏e上的"高🕋于中位数率"和㊙任意奖牌率也分🛐🌆别高出2🔳🧑2.7🕟3和9.09🇱🇷🗓个百分点🦗🤾♀️。
