（来源：上观新闻）
研究团队☺💹将AI科🐊😻学家与非层级化的😿简单代理（在P🎇😼aperBe🕊👉nch上对应B🎤asic📰Agent，在M🍠👩🦱LE-Be⚙nch Lit📙👙e上对应AID☀E）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Paper🎏Bench上仍🇸🇷比BasicAg🚅ent高出🇨🇱4.74分，在🚗🇭🇲MLE-Be💙🍴nch Li🕎te上的"🇨🇲功能测试的常用方法6种高于中位数率"👳♀️和任意🐣🧹奖牌率😥也分别高出2🦙🛰2.7🍳😡3和9.09个百🐸分点🥰🇵🇪。更关键的问📹题在于📚⏏，这些模型🚈🌭通过"监督微调"🍾🥍（可以理🧷🗂解为"🇱🇧👁️🗨️刷题训练"）👩的方式习得了👨⚖️固定的👩🦲回答模板🔋，就像一个学🚎🇸🇿功能测试的常用方法6种生死记硬背了🍇🇸🇷几套答题公式，🇫🇰🇹🇨一旦遇到没见过👨👩👧🍨的题型就不知🇧🇯所措🐘🦹♂️。
--- 六、实✊验结果：两个🏊🇦🇮基准上⏪🦷的表现如何👙？ 研究团队选🔌择了两个互补的评🦴测基准来全面考👨💻⛵察AI科学🧚♂️🇸🇩家的能力🍌。当你把一个事情交🌽📉给AI助🐪🎇手去办🧞♂️，它频频出错◻，你会怎么6️⃣做？大🦚🇱🇺多数时候，我们要💝😨么换一个💳更聪明的AI🎷🇭🇺，要么反复😺👩👧👧给它讲解规则，❄🐸希望它能领悟📀🏄。要知道，羽毛🇱🇷球是对🔇机器人动😿态交互要🙇🕕求最高的🤧运动之一🐶。PANDA 🧣🇵🇱使用8块 N🇱🇮VIDI💎⏪A V100 3🇬🇮🇱🇷2GB 🔪显卡训🌾练，批次👨⚕️大小为6，总训🤸♂️练时间🍗约1.5天🌏，使用 Adam😊W 优化🌊器，学习🕐🌁率1e❤-4，权🥊重衰减0🐏🐠.01，共训练🎺🚊30轮🇲🇷🇬🇶。由于每种能力只😭对应一个单💪🌉词（比如A、B🎌🅾、C）🕝，模型只需要在♿这些候选词之间选♻择，判断过程极为🇩🇬高效，🚡每次任务只增🥺加几秒钟的🇦🇸额外时间🕚💢。
