（来源：上观新闻）
研究团🇵🇼🏤队首先从两个现有📴↙的公开数据集中💂🤷♀️筛选出22🎖👩👩👧00张高👩🦰🇨🇲质量图片：🌧其中1🔌🛏592🦆🛰张来自 PS🥚↘G 数据集（一🇻🇬🕌个包含场景信🧘♀️🇽🇰息和区域🚴级全景分割的⚜数据集）🕜🐥，另外608张🥉来自 Se🧷💅agu🤠泛域名 泛目录 收录 区别ll-100🐞🇧🇾w（一个🇨🇾🙇包含真实🇨🇫ISP图像退化💆♂️效果的🇧🇪🦸♀️数据集）👞🈷。
从 Ea🥩😩sy 到 🦉🍐Hard，所💇🎚有方法的📑💃性能都出现了不同😦😤程度的🚛下滑🤼♂️。过去的思路是给A🇦🇺I灌输更🇮🇩多数据，或者让它🥋🇸🇾在目标场景里🐗反复试错；T🎠♌RACE的思路是🎳先诊断后治疗，找📺😯到具体🇧🇷的薄弱📢点，再定制化地修🕡🇳🇮补🌄🇬🇾。与OpenCl🇺🇦🇲🇵aw的静🚴♀️态调用不同，He🍪rmes在运行🥚⬇过程中可以自动生🔁成、优化🎬🇧🇹、存储新的技能😙🇵🇼代码，并通🥗过“技👛能蒸馏”机制将任👟🏟务经验沉淀为🧙♀️可复用的🧷😙技能文件🥩🛥。
这就是这篇论文❎要解决的问题所在🇭🇲——不是让👕AI写一段代🦖码，也不是让🏳️🌈🇿🇼AI回答一🎈道题，而🏀是让AI像🔱一名真正的💸🐼科研工程师那⌚🇳🇬样，端到端地完成🦗🤗整个机器学习🦙📼研究的复现🦂与优化🔖流程🇲🇽🌥。” 从架🈺💉构层面看🏢，它并非基于 🗑泛域名 泛目录 收录 区别GPT-🕛🏺4o 的图像💺管线修补，👲🍂而是从零搭🇹🇻建的独立架构🧽，专门为“推理🐠🌛+生成”☦🎪联合优化🍭。
