（来源：上观新闻）
研究团队将AI科🏴学家与非层级😤化的简单代理（📀在PaperBe🔄🔵nch上对🐼💹应BasicA🌂gent，在M🆔♈LE-Be🥇🚋nch L☝ite上对应AI🐫DE）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🌍🥳Paper🥪Bench上👩🦳仍比Basi🍰🐅cAgen‼t高出4.7🚇🇪🇨4分，在🥍MLE-Be💾nch Lite👩🦱🍍上的"高于中😪👳♀️位数率"和🇫🇴任意奖牌率也🤸♀️🇧🇻分别高👨👨👦👦🛩出22.7👝3和9🈲.09😅💟个百分点📐🇨🇬。
**五🍻、PA🚰📽NDA🥬BENC🇲🇳🥜H：一个让AI"💙🚶现原形"的👨考场** 有了☔🎮 PANDAS🚖🧪ET，研👏究团队还从其测试🇨🇬集中精心🍭设计了一个专门的🧢评测基准，称为 🏳️🌈⚾PANDABEN🇬🇱CH🥌。在训练🇱🇮🇯🇵超参数方面🌦▶，研究团队对🇰🇵♥损失函☠⚡数中四项任务的权🛡👴重系数进行👬了网格🍤🎱搜索，最🚼🇭🇲终确定的配置为：🎧区域比较关系损👷🇲🇭失权重0👳♀️🐽.1、失真类型🔥🐿识别损失权重1🌩♑.0、严重程度🦚分类损失😪🍇权重0.1、质量🐘评分回归损失🐿🇿🇦权重1.0🇯🇲🇽🇰。
只有一小撮人认🇭🇳为，这类题材适合⛽AI创作🚗🍷。这一波 AI 🐩⛰的演进蛮⌚🦎像 200🇨🇳🐷8 年前后的智🕘🔜能手机🈹。数学、代码、🇳🇵agent🏥、指令跟💇♂️⛏随四个领域，🏸各自独立训一个🔴expe😂rt🖼🏥。
