（来源：上观新闻）
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⚡。实验结🗿果相当显著：在🌘能给谷歌加速的软件模拟客🤖服场景✂的测试中，经过T🐮😁RACE训练的A👩👩👦🎳I助手，整🈁体通过率从3🔹2.9%🛩📴跃升至47.❄🏴0%，🇿🇲提升了🆔14.🛩👝1个百分🇬🇬点；在工🦕具使用测试中，完🇦🇷😈美完成💂任务的🤛😥次数也增加📘🇹🇫了7个👨🎓。
研究团🕴🧩队将AI科学👹🧱家与非层🧛♂️级化的🚏简单代理（🇲🇷在Paper🔸Bench🇧🇹上对应Bas⛵🧐icAg🚱👩👩👧ent，在M🤸♀️LE-Bench⬅🇹🇯 Lit🐚📅e上对应AIDE🌤🖖）进行比较，发现👨👩👧即使是去掉🏕文件即🕧🌽通道机制的"残缺🎌版"AI科学👩🦳🇰🇿家，在Pap♌🥚erB👮♀️👌ench上仍比🐦🤪Basi✉cAgent高出💐🥶4.7🥼4分，在M◽LE-Benc☎📕h L🍳ite🇧🇱🖥上的"高于中🏺位数率"和任🔫👹意奖牌率🇧🇮🥚也分别高出22.💮🔊73和9.09个🤸♂️百分点🇸🇻🚄。
