（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👫🦕。在电影《甜蜜蜜》🚣♀️中，张曼玉贡💅献了封神一幕🇸🇸🗑。结果相当值得关注🥛：在第一个基准P🌓aperBen👢ch上，AI📧🐄科学家的平均🔭得分比此前最强的🍒🕔AI基线🍓系统高出10🐎.54分；在🐱第二个基准🇰🇬🇹🇳MLE-B🍿ench🗜 Lite🍮上，它以81.8😴2%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🈸。
过去的思路是⬛给AI灌输🌝💴更多数据，🛳🔛或者让📝⏩它在目标场🇹🇿💓景里反复👜🇲🇼试错；🎼TRACE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🏧。比不上 O🗑👩👩👦pus 4.🧥🏀7，但我觉得是目💌前开源阵营的 ❌🇨🇾Top1🇦🇹。在这项工作中🏎👩🚒，DC 生成了多🇹🇰个版本的流水♨线；图中所示的👩🦰📷版本性能最高🇭🇲👨👦👦。研究团队将AI科👌👩🎨学家与🗜🛅非层级化的简🕶单代理（在Pap👩💼🇹🇭erB👩ench上对应B🍮asi🥥cAgen⚔t，在MLE🧟♀️🚺-Bench L🇹🇿🤢ite上🇩🇿👩🦱对应AIDE）🚟进行比较，发现🤹♀️🧞♂️网站推广即使是去掉文件即🎤通道机制的💏"残缺版"A🐯🕦I科学家🐆，在P🚮aperBe😤nch上仍比🏴BasicAge✋nt高🌘☄出4.74分☺🐈，在ML🧝♂️🔳E-B🎽⬆ench 🥚Lite上🕛的"高于➡🌬中位数率🍗🇵🇦"和任意奖牌🤾♀️🈂率也分别👼🕵️♀️高出22📱🍫.73和9.0🇻🇨9个百分🧫⏺点🌆🇳🇿。
