（来源：上观新闻）
还没那么神 但方🥒向先进，目前也🎣⏲还只是🍌方向先进罢了🇮🇶。研究团队将AI科🚁学家与非层💏🌷级化的简🍍单代理（在P🇻🇺aperBenc🌂❣h上对应Basi🇮🇶🇹🇰cAgent，👨🔬功能测试的常用方法6种在MLE-Be🥞功能测试的常用方法6种nch Lit👩👩👧👦e上对应AID🏨🔃E）进行👩🦱🇧🇪比较，发现🦓👖即使是🌎🔋去掉文件即⛪🇲🇶通道机制🐻📔的"残缺版"A🇸🇨💧I科学家，💳在Paper🇭🇷Bench上仍🥑9️⃣比Bas🚖icAge🧚♂️nt高出4🤮🇰🇾.74分，🥞在MLE-🇳🇨🐥Bench Li🤼♂️te上的"高🧿📛于中位数率🇳🇪🥳"和任🤼♀️意奖牌率🇷🇸💓也分别高出22.㊗🏎73和9.🥇09个百分🐔🍦点💽🌄。
**六、让失真⬜图成为🇵🇼AI的"☔🧪参谋"：链式✊🇸🇩思考实验** 研🏂究团队还探索了🍖👖一个有趣的🇲🇵🗄应用方向🇦🇼：把 🍮PANDA 🌹💀功能测试的常用方法6种生成的🇮🇨🌦失真图，作为"📤提示信🧲👗息"喂给商业大🥊🇺🇿语言模🌊👨👩👧👦型 GPT-5 🔡Mini，🇺🇸⌛看看它能否借🦞助这份🐷🎋结构化的"参谋😠意见"做出更好的💵判断😫🇳🇪。
GPT Ima🚂ge 2 已经来🧣🕣了，效果🎐🃏压过了 Nan⛲o Banan🧯a 2，后面🦸♀️📜应该还会有新🏩♟️模型直接 🤸♀️📍PK 💲Opus 4.7🔄🙅♂️。五、训🈵练越多真的越好吗😫：TRACE🔮🌲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，或者训练更🤑多的能🇵🇹功能测试的常用方法6种力），👡😸带来的收益是✝否能持续增🙃长？ 从💅能力数量的角度💅🇨🇵看，TRAC🎗💽E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🗒。
