（来源：上观新闻）
这个基准共分三🤳☄个难度🥿级别，每级🍢🏺随机抽取3🦂00对图像🇱🇺🚦。当你把一个事情🎛交给AI助手去🇵🇾📎办，它频频出错🧱，你会🕎怎么做？大多数时📿😟候，我们要么🆖换一个更聪明的🏄♀️AI，要么反↙复给它讲解规🎞则，希望它🛩能领悟💽🇲🇾。根据这些🦋输入、其内存和知🙈识，DC 生成4️⃣一个初👩🚀🇮🇩始设计方案🔊🛀。然后，🍋🤱DC ⌨🕙使用 VCD🏘😈 分析来追♌☹踪问题🇬🇭👩👧👦的根本原因，提🧡出修复🏅🍭方案，实🎭施修复🇨🇾方案，并再次进行🧂🇫🇯测试🍘。
DC 会审查😪时序报告，并⚽利用这些信息对📢设计进行 RTL🏉 修改🇱🇷。通过引入失真🤵🇧🇷图这一结构化表👹🛬示方式，研⭕🇵🇪究团队不仅为区域🆒级图像质量评🧹♉估提供了🦜一套完👢整的形式化框架🇸🇭🥡，还构建了🥬♑迄今为止最🏡大规模🌫的区域级配对失🎳🇮🇶真数据😜集，并🥃🇮🇳设计了一个轻量高🖖🤷♀️效的模型来学习✒👨🎓这种图谱结构👨👦。而这，或许👨🦳😸才是人工🇫🇲🇨🇰智能通往通用视觉🇬🇵智能的正确道🐿🎠免费域名路⬇🇰🇳。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 Ge🤑🇧🇧mini 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🥬🇬🇩。
