（来源：上观新闻）
在实际🛋测试中，研究🇫🇯🚦团队独立运行⏸了10次能🕑力分析，"🐖结构化数据推🕋🏃♀️理"、"🕸🍏多步骤任务🔤完成"和"前提🏇条件验证"三💩种能力每😅🍄次都被稳定🇨🇵🌋识别，"工具调🧂💛用精确性"在10🏗🎍次中被识别🇹🇫到8次✨🥣。研究团队通过在🏯 KAD👯♂️🔝ID-1🍈0k 和🇳🇵 TID📐2013🇩🇯🇾🇹 上的验证，证明💲了合成🚾🇨🇱失真与人类😸主观感知具有🎵👨👨👧合理的一致性，但🍙更大规模的😶🧛♀️真实世界失真💎数据集仍是未💫来的重要方向🇨🇩。
这项由南方科⬅🇧🇾技大学、北🚹🇱🇰京邮电大学、微软😨🇬🇷亚洲研究👨👦🥐院、上海财🏓经大学🖍😯、清华大学及I🌤🇹🇻泛站程序NFLY 🇱🇸TEC🍒🍬H联合开展的研究🔝♟️，以预印本形式🇸🇿于2026年🏜4月发布，论📢↔文编号为arX🙍🔒iv:2604🛣.0886👨❤️👨5🏬。评分标准👩🔧非常严格：只🇿🇦🔕有当AI既正🇭🇷🤓确完成了🧨🧫操作，又👩🦳🤸♀️向用户传达🗡📑了正确信息，🙄才算通过，任🧘♀️🗞何一点🈴偏差都会导致失败📸。整个CSA等于🇬🇫😆做了两层压缩🍳。
于是，3️⃣🦄他们又👩🦲讨论用国内的镜像🙇站，最后🏜解决了问题👞。农业让🇯🇴☣我们意识到时👏间可以被ℹ积累，印刷术👣让我们意识到知🍜✝识可以被共享，互👨👦👦☸联网让我们意识到📘🦜距离可以被折叠🈁🐱。提示词🤜🔈： 绘🇸🇯📝制一张🐔关于‘全球🇦🇫🔒变暖与海洋🌂酸化’👣的科学信息🏴🕠图🈵💆♂️。在标准P⤵🧥泛站程序PO中，➗🚙那个"打分🚼员"（Crit🙆🇯🇲ic）👾👬通常和⏹🇬🇫被训练的AI🌑🥩模型一样大📦🐇。比如一🈷个年迈🐌🆒的独居老人，想⚪🍘要有人按🗂时提醒他🧘♀️吃药打针，🥎👩🚀扶他起床，推着🇳🇨⛈轮椅带他出门散🇦🇺步； 比如🧳一个刚做完🌰手术的病人，需要🇳🇮🤝有人协👩助他完成康复训练👩⚖️🇹🇬中那些枯燥💆🥏泛站程序而重复的动作☸； 再👔比如一个喜👨欢打网球的😉🇮🇶中学生，🗣💌放学后想🇦🇷🌜练几组®☁发球，可父母要上🕝🇭🇲班，教练又排不📆🏫上合适的时间🇹🇨🇲🇩。
