（来源：上观新闻）
有人发帖🗝称，这是自己入职💨🎓公司的第一周🧁。2025年🇲🇷3月，xAI收⏯⏫购了X🚯。更重要的是，他们👔通过大🚣规模实验揭示了当🇧🇾前最先进的多↗模态大🌐↗语言模型在区域❤🛁级质量理解上🍴的系统性📱短板——即🚆使是 G🏄♀️🤧emini 2.🇧🇦5 Pro 这👩❤️👩🐂样的顶尖商业模型😘🤝，在这类任务📒上的表🖇现也接近随机猜🇧🇬测的水平💘。舆论很快⛓👩🌾反噬：“AI本🇧🇪来就是抄🍩👨👩👧袭现有数据”“🇹🇻别的没🇮🇹⚽看出好，AI🚮⚒让抄袭🙇♀️变得容易了🛥🏒”……质疑声一边📮倒，爱奇艺客服🔻☮回应：“已👩🎤记录并反馈，会📃进行核实🏓🥺。换句话说🔝🙈，曾经只存🥃在于展厅👺🔧和新闻🇳🇿里的那些“黑科技🐗”，未来很🏹😘可能会成为社🖋😄区、校园、养老⛰🇶🇦中心里越🍃🤸♀️来越常💡⛔见的日常🙆♂️🇧🇭设施🦀😨。为了充分有效地☕加速设计流程，并🦇☂避免受到阿姆达🦸♂️👩🚒尔定律的限制🇵🇸🧙♂️，这类代理必➰须解决整个问题🍓🔇——直至🖱最终达到可流片💡🈸的GD🐘SII🔇。
最终，♿PANDASE🇾🇹T 包含了超过5🎉🎎2.8万对图⚾😜像，覆盖🍻🐦训练集（约48🇨🇳🇵🇸万对）、验证集（🍪🗑约1.2万📿对）和测试集（💺约3.🔑👌6万对）🌔🤰。事实上，我们🤰🔙观察到 DC 会🇲🇼🙍♂️根据布局布线后🛠的最终🙊时序反馈来🤗更新其🌷设计🌔。每个节点记录了🐘👹该区域的🚤🕵️♀️失真类型🚓（比如是模糊、噪👶点、过度压🇵🇬缩还是过度锐化）↔，失真严重程度📳（轻微、中等🇬🇶🎙、严重或无🇲🇹失真），以及一个🇳🇮🌩0到1之间的质💙🗣量评分🧛♀️🇵🇪。人工合👨👩👦👦🐀成失真的优🆙势是可控性🧁🇧🇴强，能够精确🚶🤭地为每个区域分🥧配质量评分🇵🇪和比较⌚标签，也能系🇸🇩统地覆盖不同📂难度级别；但👨👨👦🎂其代价是可能与真📢实世界中自然产生🏪🧔的失真📑👨👦存在一📖定的感知差🏴距🥵🇮🇱。
