（来源：上观新闻）
如此规模的区域↪级配对失真数据🍦🛬集，在学👩🎓术界尚属首次☹。验证所需🇬🇫的各种仿🏖💮真类型，其运行时👨❤️👨间都很长🔋😃，而且服务器工时🛂🐇成本高🇸🇦昂🇺🇿。由于单次流片🇬🇱的成本可能高🕕达数千万美元，🥰因此在生产过程中🌝“修复✝🥜”缺陷是不🏴可接受的🥪。结合数字孪🚑🍹生领域的Si🕋m2Real（🇸🇸虚实迁移）技🇨🇫术，这一闭环数据📨🛌体系能显🇸🇮著降低🕋🇲🇰对昂贵实测🤭🆕数据的📖⬅依赖，从而以远🇬🇷🦊低于同行📵🧖♂️的成本，训🎚👆练出既能应🚧对复杂恶劣😀环境又具备高度智👨👦👦🧛♀️能的垂直场景专用📍☔大模型™✈。
正是第四个挑战👩👧，成为了A🈁👠I科学↕👩🦳家整个设🈚计哲学的核心出发🇰🇳👩🦳点🇮🇪。Q2：Pap🇵🇰erBen💤🎃ch测试的是什🍝🇱🇰么，AI🇺🇲🎃科学家的☣🐶表现如何？🕡 A：Pap🇷🇸erBenc🔫🔘h要求⛪AI在2🇬🇧🐜4小时内，从🇱🇮🇵🇰一篇机器🔄学习论文出发，在🤩🚵♀️没有原始代码的🤸♂️情况下从零搭建🇨🇩、运行并复🔹现论文的核心🇬🇹实验结果☸。此外，它采用层级📭🕎化编排📋📋，由一⛳个轻量的指🧞♀️🦁挥官调度多个专🔋🚴♀️业代理（论文理🐇🇫🇴解、任务🍆📵规划、代码实现、🇸🇻实验执🦹♀️行），每个代理🚺🤼♂️只负责自己🎥⌛迅雷磁力搜索引擎蜘蛛的领域，避免💦了单一代🇮🇹理承担过多任务💖🥢导致的失控问题🧁⚛。
**六👺、不只🇪🇸🚜是纸上谈兵🍉🚋：在经典游戏控💗🔀制任务上的验证*🦄* 为了▶排除"成功〽可能只是因为在☮某个特定训练框架🚁🐢下的系统📋优化"这一疑虑，🦋💤研究团队把SPP🛍迅雷磁力搜索引擎蜘蛛O移植到*️⃣了五个经典的强🌈化学习控制任📺务上：4️⃣👮♀️精密版C🏵artPol🎎e（控制🏊♀️📍杆子不🧚♂️🚾倒）、M⚜♋ountainC🔽ar（🇧🇯📺让小车爬上山💖🇪🇪）、Hopper🤵🦸♂️（双足机器人♠🔢前进）、🚬🎂LunarL🕵️♀️and🤕♣er（月球着🚔🐚迅雷磁力搜索引擎蜘蛛陆器着🚋陆）和🌉🤮Pen🏮dulum🍢（保持摆2️⃣杆直立）🤘➡。
