（来源：上观新闻）
结果相💰🧚♂️当值得🕎关注：在第一个基🗒👯准Pape🈷rBench上，🏌️♀️AI科学家的平均🇳🇦得分比此前最强😱的AI基线系统✂🚕高出1⛪🚐0.54💶分；在第🧶🚥二个基准🇪🇬MLE-Ben🖕ch L😸ite上，它以8🇦🇺🐕1.82%的"获👼🌛奖率"超🏵越了所有有🗨记录的对比🦟☮系统，其中包括🐡🇱🇧多个已公开发🎨🐥布的知名商业和研🏀究机构系统⚖。由于每种能🇮🇹力只对应一个单词🇬🇩🚽（比如A🧯👨🦲、B、C），模型🏤只需要🕳▫在这些候选词之间📸🚋选择，判断过程🇱🇾♠极为高效，每次任📅务只增加几秒钟的🇹🇲额外时间🍐🥡。
如果这🔍🚠道题答对了，💮♎每一步都受到同等🥦强度的鼓励；如果🇮🇲🐃答错了，每😭一步都受🍱到同等强度👩💼☃的惩罚🐢⛄。它们习惯于🌵把整张图像当🇸🇹成一个🐌不可分割的整体🍙来评判，就像一🌛个评委在不看菜单🚟、不尝🧔💨每道菜的情况🖍下，只凭饭🚸🧶店门口的气氛🦉给出一个总🙎♂️🌃评分📒。
