（来源：上观新闻）
“这意味着A🛥💍gent🏋️♀️🈷不是在执🦉行预设的指👨🌾🏀令集，而是🦹♂️在自己编👩🥢写自己的能力🇾🇹🇺🇬。在失真🇲🇶类型识别上，Ea🙄sy 级📣别中 PANDA🇬🇩🍯 达到了7🙇♀️🦊8%的准☮确率，而排名第🎸🇳🇫二的微调🆔版 De🇲🇻pictQA+ 🤨达到75❤%，商业模型🧨 GPT-5🇬🇶 Mini ⚛🎻只有49%☪，GPT-4o 💈🧥是46%，Ge🔊mini 2.🥾🚿5 Pro 是3👱9%，而随机猜测🇱🇧🖇只有7%↔。第四步，g🏋roupe🕷➰d o☂utpu🎙😡t p🏳️🌈🏵roj🔱ectio🙆♂️🇧🇩n🚖⚗。
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 🔅Gemin🎏🇹🇱i 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♍。研究团队在🇬🇦这个基准上😕sem是什么职位对当前↩最先进的多🔵📨模态大🕒语言模型📒进行了全面💢测试，结果💫🇹🇫相当"触目惊🚴♀️📋心"🇹🇭🗓。。比不上🇲🇰🇿🇼 Opu🌤s 4🐛🇺🇳.7，但我觉得是🧁目前开源阵营💖sem是什么职位的 Top👶1🇬🇱📌。
