（来源：上观新闻）
研究团队将💊AI科学家与🇪🇦非层级🎠化的简单🇪🇭👼代理（🎥👪在Pape✔🆙rBe🍵🔦nch上🥦🇸🇽对应Basic🧷Age🔕nt，在M🔼LE-🧚♀️Ben⏲🇨🇼ch L🧜♀️🇷🇺ite上对应A🎅🇧🇸IDE）进🇧🇳行比较，发现即🧼🧠使是去掉文件🍚即通道机制的🛁"残缺版"🐡AI科学家，在🌕Paper🇲🇫Bench👰上仍比Bas🇦🇲icAgent🌪高出4.74🎓♋分，在MLE©1️⃣-Ben📿ch Lit📹👦e上的"高🥖🤸♂️于中位数♦🐤率"和任意🤥奖牌率也分别高出👣22.73和🇸🇩🇲🇴9.09个百分点🇧🇯🥺。
回顾过去，部分🎐📎机器人企业虽通过👨👩👦👦👩👦系统集成实现🈷可观的营业🦒收入，但其🎭📲商业模式本质仍停🍒⌚留在“组装♎🤴”层面🛰🕛——依赖外部采购😙🧖♂️的核心部🍖件与底层系统♒🏈，导致毛利率🤦♀️偏低、可替代性😵❓强🎠😂。”Meta首😭🥍席人事官🚮🥔珍妮尔·盖尔(J🙉😸anelle🐪🤖 Gale)🍕🎎写道🧗♂️。”他们写道*️⃣。
谷歌高级副总裁👩👧👦🇮🇲兼AI♠与基础设施首席技♥📌术官Amin 👯Vahdat表示🗝⛽，随着AI🇹🇲😯智能体❗的兴起，🙍"业界将受㊗益于针🕧对训练和📬👨🔧推理各自🐣需求专门🥑优化的芯片"🍯☹。这避免了不🇧🇬同代理之🇭🇹间相互干扰，也🧂保证了工作♿👨🏭记录的可追🌰💭溯性🇱🇦。在受控对比实🥂🌝验中，AI科学🎾家使用两种☁底层模型均达到了🌅🇪🇦81.82%🔤💣的任意奖牌率，分👲别比最强对比系统🔣高出4.55和🥤18.🇳🇫18个百分点👩🎓。
