（来源：上观新闻）
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🧘♂️。
图1展🀄👩👦示了一个具体🎽案例：在"侮♏辱性言论🚫🇲🇸检测"🖊这一任务上🧱🏤，AI科学家在🦴🌚23小🐮🐓时内自主完🗼🙋成了74♉🦆轮实验，将模🚣📬型的验证集💆👨❤️💋👨AUC⏏🇧🇹（一种衡量分类模🍉型好坏的指标🦶，越接近1🇹🇬越好）从0.90⚰📍3提升到了👨🎤🦹♀️0.982，期⛑🥉间经历👩🏫了18📐🤲次"找到更🅱好方案并保留👉"的关键节点📒🏢，同时也经🐇历了大量"尝试🔟无效果而丢弃🙁"的探🥀索过程，全程无需🍏人工干预📂。
