（来源：上观新闻）
失败覆盖率🥿的分布也非常集🛅🗯中："🎗结构化数据推理🌑🇸🇱"覆盖了约41🇲🇭🇵🇬个失败🍮♾️案例，🇧🇦"多步🎣骤任务完成"覆盖约25个，"🈸前提条件验证"约🚟📚34个，"工📔🇷🇴具调用精确♎性"约2🇲🇬0个，而其他被🐰🇱🇦淘汰的候选能力🇷🇴大多只覆盖1➰0到15个案例🇷🇸。“我不知道这到底🇬🇫是件好事还🎋是坏事👨🦱。
其中最主要🥶的是需要极高的功🎃能测试覆盖率—👨💼—也就🤦♂️是说，需要进❎行测试✖以确保设😋备在运行👩🦱🇧🇸中不存在任何🛂🇸🇱“缺陷”🇸🇪➡，并且置信度非🚣♀️🍳常高🚅。压缩过程也🥳🐃没有C🍀🏝SA那样的ove🦝rlap，⛵🇭🇹直接每m’个一组👨👨👧👦压👩🏭。
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🕓。当然，这个系统离👄⛔人类顶尖研究人📳💱员的水平还有🦶距离——在Pa🤣per🤙Benc🤰😶h上，顶尖机🔎器学习博士生😹🤔在48小时🇳🇴🛠内能完成约41%🗾的评分要求，而A⏫👭I科学家目前🖍达到的是约33🆘.73%🍸。
