（来源：上观新闻）
第二个基准📻是MLE-Be😀nch🗳💧 Li🎳te，这个基⚒🐿准更接近🥦Kag🇩🇪🎛gle竞赛的形式🇬🇵🇰🇵——AI🥟需要在现有数🥫👩✈️据集上👠🐠持续优化🇲🇦机器学习方案🆔🦹♀️，争取在模😋拟的竞赛排行⬅榜上获得🍺铜牌、银牌或金🐣牌👨👨👧。TRACE则🌐🇺🇬先识别具体🍿🍖薄弱能力😰，再为每🇯🇵♣种能力设计📽独立的练习场景，🏣👃每道练习🌉🛹题由程序从随机种🏖🦔子生成，🕢⭐题目无🧜♂️穷无尽🍴📊。
吴维斌曾在接受🇬🇧🇩🇲《Vist🐑🐛a看天下》➖🙆的采访🌲🤗时透露🙂🌀，原来日均2万↖的威亚戏，如今🍤🇦🇪AI几块🇭🇳🔧钱就能迅速生🎲成，真人🍬的付出变得廉价👨👩👧😥。
更重要的是，他们👩🦲通过大规🧓🇨🇫模实验揭示🦎了当前最先进的🇳🇴🕶多模态大🚴🍔语言模🦓💿型在区域级🔗质量理解上的系💂♀️💅统性短板——即使📃🌟是 G👨🦳emini🕕🤮 2.🐗👎5 Pro🏃♀️ 这样的顶🍙🇲🇲尖商业模型，在🥼这类任务上🌝🖥的表现也接近🐦🎻随机猜测的水平🇧🇳🔮。这和AI解数🚵♀️学题的情境高😴🎦度吻合🐁👩👩👧👧。
