（来源：上观新闻）
第一个是✅PaperB👩❤️💋👩➿ench，🎓🇧🇦由Open🗽AI参与设计，🦷🖊专门用来测试⌨👫AI从头复🃏🕔现顶级机器学习会🇱🇾🧚♂️议论文的能力🔮🐽。目前让大模🇸🇽型学会解题，😦主流方法✅叫做PPO（近端😳策略优化）🍘。结果呢🇨🇰⛪？模型给👨🚀🕛出的回答根本没有⚗涉及区域对🤬🚏比，也没有质量评🧘♂️分，甚至☠😭漏掉了某些🍫区域，给出的🍷是一段🤞💆对整张图片🔉的笼统描述🇺🇲。
第一个预测头判🏢👼断区域比较关🛍系（是锚图🌧更好、目标图更😄🍽好还是差不多）🥊🥬，第二个预测头🇦🇺🧐识别失真类🔺型，第三个预测头🍼📄判断严重程🕠度，第四个☪预测头给出0到1🔝🇦🇩之间的质🦓🇱🇧量评分🚳。论文中，De👙🌜epSe🇦🇫ek表示：🇵🇳🧦 Deep🐦Seek-V4-🦹♀️🐻Pro-Ma🔹x在标准推理be☺🐹nchmark上🐐4️⃣优于GPT-5🎐.2和Gemin🏋️♀️i-3.🦴🚵♀️0-P🇩🇿🛏ro，但💘🦓略落后于G🤣🌻PT-5.4和G⚙📈emini-3🗑.1-Pr5️⃣o😘🚗。
第三道关卡是"延🇧🇷🍻迟反馈"🎁🎰。这些模块的实际设💅🍭计属于专🛄有信息，🤛🔪本报告不再赘述🧰🥛。这个工🧢作区被划分成🎛三个区域：一是👨🎓🇮🇶"论文🚈🔫分析区"，存放对◾目标论文的结🧛♂️构化理解🍛、关键指标😠、实现🔖Ⓜ细节和存🇹🇦☠疑之处；🈚🚢二是"提交区♏🕌"，存🧘♀️放可运行➕的代码仓库，包括🚛环境配置脚本、资👩🏫🔝源下载逻辑，以及📃最终执行入口文🗻🎋件；三是"代理㊗▫工作区"，存🇸🇮🚥放任务优🚁📒先级计划、🔁实现日志🆒🌚（只能追加，不🚬能修改）、🕕实验日志和🍸🇲🇵每次具▶🧞♂️体实验的详细🏋🇨🇬输出👩👩👦。
