（来源：上观新闻）
那结果会怎🌜样呢😚。与此同时，一个🎎🇫🇯叫做 SA🔑M（Segm🇲🇨🇬🇺ent A🚙💒nything ☣📰Model，即"🇨🇬😲万能分割模🇻🇮型"）的工😬⁉具负责把图🇪🇬片中的每个区域自🍽动分割出来，🇸🇱生成对应的二值🇰🇼🔝掩码（🧜♂️也就是标记🤷♂️🔨出每个区🇮🇹🏌域的精确💌边界）🧜♂️。
“虽然🐝最开始✳使用H🥗ermes的几次🇧🇩😍对话，跟Ope🍉🇯🇪nClaw的🛏Token消耗量⬛差不多，但越往🦃⛔后聊，会发🦸♂️现Herme🏁🔷s消耗🚂的Token反🇲🇨🍐而会少一些🎭🇦🇿。当然，这个🔗系统离人类顶尖研🤼♀️究人员的🌶水平还有距离🦏🧗♂️——在Pape🇱🇻🤾♀️rBen🀄ch上，顶🕚🙇尖机器学习博🌙士生在4👨👨👧👧8小时内🖍🦉能完成约4🐂1%的🎇🔛评分要求👒，而AI科📊💄学家目前达到🇬🇳的是约33.7😄3%🕚5️⃣。
它的思路是直接扔🇬🇮掉那个不靠谱的打🚎🇪🇷分员，改用一种♿🇺🇾"横向比较🍱🐀"的方式：对👜同一道题，让A🇳🇦I同时🌡🇧🇱生成一🐷批答案（通📚常是8个），🍊🧓然后以⚱这批答案的⌚💞平均得分作为基🤧🙎♂️准，那🐗些比平💸🔱均水平好🥣🏃的答案就得到奖🐇励，差🍆🧲的就受到惩罚🤙。
