（来源：上观新闻）
这个方法在实践中🖱🤧效果相当不错，原💂😂因在于👢🇵🇦：它不再🍹🕜试图给推理过💖程中的每一步👐📵打分，而🏴📒是把整个推理🕓🛍日本smc公司官网链当成一个整体来*️⃣评价🤥☔。
它们习惯于把🐏整张图像当成一个🔁不可分割的整👎◼体来评判，就👨🏫🧛♂️像一个评委在不👁看菜单、不尝每道🇪🇬菜的情况下，只凭🚦🦘饭店门口的气👩👦氛给出一个总评分🐄。分析过程分为两🐜🧠个阶段👨🦱：先是🈹📋"发现阶段⛽"，分析AI通过🍿检查所有记录☺中的工具调用、🌀💱工具返回结果和最🛩⏲终回复，🏕🈂归纳出一份候选🍎能力清单，并为🌗每种能力起一个🌰🚏固定名称和描述；🐊🇸🇲然后是"标注👩✈️阶段"，分析A🔯I拿着这👩🔬份清单，逐一👩检查每条任务👘记录，判🏉断每种能力在这条⛪记录中🚬😟是"不需要"、🍨📎"已正确执行"😪还是"本应执行📗却没有执行"🍐👨👨👦👦。
PAN🇬🇩DASET 中的🏐🏯场景是真❣⏳实的，但大多🤽♂️🈯数失真是👩⚕️🎤人工合成的（🤸♂️除了来自 👧🇳🇵Seagull-🇨🇼🕚100w 的🇬🇷🐖真实ISP失真🙅♂️🎏部分）🗼✉。他给出了一个务实🇧🇦🏞建议：“一定🎮要留存创🇵🇲作过程痕迹，⏪包括交互频次、🤒版本迭代记❕📼录——这些是未📁🏟来确权的重🌛要依据🥐。
