（来源：上观新闻）
在内部🍻测试中，🥺🤚模型对复杂指令🌰🤸♀️的遵循率提升了🏕🍡 3.2 倍⏫💤。研究团队在论文📳中汇总了一张🚑🇨🇱比较表，清🇫🇮楚地展🇭🇹示了 👒PAN🌉DABENCH 😬是目前唯一一个🔰同时满足以🥠🍉下全部条👨🔧件的基准：以区♐域为核🇶🇦心出发点、具✴🎀有比较性质（👟两张图片之间🥪）、支持多样化失🔥真类型、包含严🆎重程度级别、提⚫☝供质量评🔺💽分👁。
第二个🇮🇴🇬🇱，单一🚿🙍♂️ Agent 🚀🌭会有自己🐚🥏的思考盲区🎧🧶。每个生成步↖😁骤都伴随着隐🐪🌳式的“布局图元”🖤💺与“语义校🌍📅验”，模😥型会先画🏮🍖出逻辑🖍骨架（标题😃🕡区、图表区✊、插图🍐区），再逐层📤填充细节🧰。
实验结论 在实验🐪📣部分，👨🔬有三件最值得说的👱♀️事💡。值得特别关✍注的是成本对比🇯🇲。参数量高达27🇧🇦👛0亿的 G💤🥌emini🦹♀️ 2.🥽🤨5 Pr🚂o（谷歌旗下最👨先进的商📦👱业大模型♉之一）只🐧📍有22%的准确率😂👥，而随机👽🏢猜测的🇸🇰💍准确率是🕝20%——也就👩🦳🇩🇴是说，Ge♑🇹🇴mini 2🎶🎯.5 Pr🖌🔱o 在这项任务🐳上的表现几乎与瞎👭👞猜无异🐑🇪🇹。
