（来源：上观新闻）
这项研💜究的价值在💎💨于，它⬜🍉提供了一套🇱🇻完全自动化的系😵🏄♀️统，不🏌🚴♀️需要人类专家坐🎎在旁边一条✝🎈一条地⛳分析AI的失败🍨原因，而是让A➖I自己完🙊🇺🇳成这个"🏸💈自我诊断"和"自🕎我补课🐅"的过程🇨🇫。具体而言☮，标准🤣PPO把A👩🔬🎛I解题看作⏰☀一个漫🏋️♀️🌟长的"连续🥪决策过程"——🦃就像下棋，每走一🇯🇪🇯🇪步都有🏨🐺意义，每📆一步都可能影响最😹🎚终胜负🔣。没进V🕷4，但在未来方👨👦👦向里被🐸点名，留给🇬🇸V5🇬🇶🐑。研究团队将👨❤️👨📹AI科学🔷家与非📻🇬🇼层级化的简单代理⬆🇵🇰（在Pa🤸♀️per🛁Bench💨🇨🇻上对应🗄Bas💺icAgen📷t，在🔨☂MLE-Benc🇳🇪🇬🇬h Lit💎🙇♀️e上对应🇱🇻🔕AIDE🍵）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Pape🔃rBenc🍒😑h上仍比🏫Basic🍊Agent🍸高出4.74分🍚🚭，在MLE-Be🅰nch 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🚯。
这是否令🇸🇱人印象深刻，取决👡于你的视角🇺🇸。标准PPO从⚠基础模型🇷🇴🏬的52.👞😷49分提升到56🇫🇲.44⛽分，进步明显但并🕶不突出🃏。第三个局限是比🥁🚣较关系👳标签依赖于 T✌🇲🇼OPIQ😮🦜 这一特定的🇸🇸🍚图像质量评估模🚕型，可能会继📼承该模型的感知🇧🇹⛹偏好👨🎨♓。在实际测试中6️⃣🇹🇷，研究🤼♂️👩🌾蜘蛛入侵团队独立运行了1🇨🇫🍏0次能力分析，6️⃣"结构化数🦇据推理"🛩、"多步📍骤任务完成"和"🖌前提条件验证👨✈️🥫"三种能力每次都🚆📃被稳定识别，"🤷♀️🚤工具调用精🇱🇨确性"🇨🇨在10次中被识🌰⛺蜘蛛入侵别到8次🇺🇳。模式不同，但🔲方向一致，⚰都是用技术替代🌴人🇨🇺✳。
