（来源：上观新闻）
” 这种“先想🎯后画”的机制，不🏋️♀️🆓仅解决了文字渲染🇧🇷👧、逻辑混乱等长🎴期痛点，更重要的🛷📤是让 AI 第🇺🇲一次拥有了“🇫🇲设计意图”——模🍑型会主动📼问自己：🚚这张图要传递什么👁️🗨️信息？观众第一眼😳看到什🔰👯么？数🚳🇲🇻据是否清晰？ 提🇬🇲示词： 生成四格⏯漫画，主角是🐪一只叫‘阿橘🖐’的橘猫，🌄主题是‘AI 🚘帮助人类画图的故🖍事’🦀。与此同时，👨🦲"条件推理"、"⛄数值计算"、"🇧🇫🐔早期终🦵止"等其他候选🐔能力只🇫🇮🛤出现了少数几次💊◻，无法通过筛选阈🐆值，说明🦹♂️🚕它们虽🤲⛹然偶尔出🦄现在失🦏🇭🇷败案例中，但并不🎫是区分成败的关🎷键因素🐁🇵🇰。
这种方式不需要事👮先标注"正👁确答案长什么样"🌦，只需要能🚤判断"答🙄案是好是♨2️⃣坏"，因此📓🚺非常适合🍢🙅♂️复杂的多步👊🎌骤任务场景☕。他向记者坦言👊🤲：“我之前在阿🇭🇳里巴巴、字节跳动⛅等大厂工🏔作，后来去了硅🇪🇦🚱谷，跟一👐些朋友🌩交流，发现那边氛🥃围很好，几个人📆💷一碰就能做⚠新项目🤗。
AI科学家使用G😯LM-5模型👩👩👦👦时达到了🇺🇳😯平均33.73📕😗分，比此前最强A🏥🌚I基线高出11.🎸🇨🇱15分，并显®著缩小了与人类博🚋士生的差🇸🇻距🚙。实验逻🍍🧝♀️辑很简单👨🦲✊：对于一对图🧜♀️片，PANDA 👨👧生成两张🇱🇨图的失真图🏊，然后用一个朴🇧🇾🇧🇶素规则来做整图排🌤名——如果某张图🇦🇼🛅中更多区🇫🇴🇫🇷域的质量评分🍶更高（或者比🤩较关系显示😉👝更多区域更好🎨），则认😺为该图整🍡👨🦲体质量更好🍳。
