（来源：上观新闻）
研究团队将A🚻I科学家与非层级👨👨👦化的简单代🚝🙆理（在Paper🇿🇲Ben👒🇹🇷ch上对应Ba☔sic🏊Agent，在M🤔⛵LE-🥝Bench☝🚢 Lite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🤠PaperB🍩📿ench上仍比👏🎻BasicAge🏩🦂nt高出4.7🛵4分，在MLE-🇨🇫Bench🇻🇨🥚 Lite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🇼🇸🗄。
换句话说📧，它试图🧗♀️🍠解决记什么，但还🥬🗂没有稳👩💻🧤定解决怎🎡😞么记得🇧🇪更好®😌。单 Agen🍑🇸🇻t 的💨能力一下子快速🥺提升，但🇨🇾🤽♀️行业很快发现🔻⏬了两个绕不过🤞😽去的问题🥼🆓。研究团队🔋测试了用🤦♀️15亿😝参数模型作🤸♂️🦟为价值📭模型来辅助训练7♥🇦🇨0亿参数主模型，👨🍷两者相差🇳🇦🇰🇮约4.7🚏倍🆎迅雷磁力搜索引擎蜘蛛。**当AI"看图🎢🇨🇱"时，它真的看🥭懂了吗？** 设🇮🇨想你是一👆名挑剔的☪📳摄影师，同🐻🇰🇵时收到了同一👜⛷场景的两张👁照片👨🎤🎉。
