（来源：上观新闻）
实验表明去掉这🇬🇵🚳个机制🚸后，MLE-🧛♀️☔Benc🐑🇷🇴h Li📀te的获奖率会下🌮🚇降近32个百🚳分点🌭。第一条，百万to👟🕘ken上下文全面🇭🇺🐅开源，KV c👖ach🕋e大幅🇵🇱🇴🇲缩减👒。他们随机抽取了2🌛🖕00道题目，🚈让AI多次📛尝试每🇬🇶🛑道题，用🧲实际答对👩👧🏊♀️率作为"真实难度🤼♂️"的衡量标准，再🅾与价值模型的预🗃测值做对比🚱🆑。
DC 使用🇮🇩 Spi👂ke 构😈建一个整体的 🧀🏃♀️vercore_🧠🥐tb.v 测试1️⃣平台☦。这个任务🤸♀️远比"⚾🐍理解复杂🕺推理过程"简单得⛸多🐖。它有两种工作模式🙍💈：当系统还没有🇳🇪可运行代🚥🇩🇯码时，它🐤从分析🍹🇨🇬文件和👨❤️👨执行计划🕶出发，🍜从头搭建整个代🎺☢码仓库；当已经🐫↩有代码但实验出了🧶问题时，它切⬆🐙换到修复模🛸式，根据🥞🌱实验日志中记录☯的错误，有针🏭对性地修改代码🐻🇸🇮，并把每次重⏫⛺要的代6️⃣☎码决策记录在实现🇸🇦日志中🍠🤑。
用不好的人给的反⏪♏馈没有价值，🇧🇴如果他们直接用H😢😹ermes🐀❎，会让这🇧🇷匹马‘越学越👡☎差’🍳。AI科学家👽🔉正是按照这个逻🇻🇨😯辑构建的🇧🇮😥。王昊指出，📈这一点甚👣至许多动⚓🇹🇯物都不具备🖼🇦🇩。在 TID20👹13 上，PAN🦐🥐DA 同样以🇲🇿💅78.4🇧🇭🚾%（基于比较🔶关系）和77🍛.8%（基于分🇧🇴数）的准确率大幅🛤🅾领先其他方🚯法🤣🔢。
