（来源：上观新闻）
这不是d👨🦱emo，而是真正📲🗃的“上岗”👨👩👧🕡。结果相当*️⃣🤩值得关注：在第一😼🥕个基准Pap💶erB🦒🐾ench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-Be🎡🦴nch L🚓🔩ite上，它以📥81.82%👳🎋的"获奖率"超越➡了所有🇺🇸新站做泛目录有记录的对比系统🇸🇻👩，其中包括多🔞🇷🇸个已公开☣🇸🇯发布的知名商业和👓研究机构👏系统🏥🎞。
这句话乍听有些抽🤙象，但用一🚔🈵个具体的比方🇧🇾⏺来理解就清晰🎑🏢多了🎏🇯🇴。任务规则非常严🎴🇲🇵格：给AI一篇🧞♂️论文、🎩😘一个配有🤱GPU的空白D🌈🥎ocker容🤷♂️新站做泛目录器和24小时🇫🇮时间，不能😁💴使用作者的原✔➕始代码，必须自🗒🔚己从零开始🔷搭建、运行并得👝🚢出与论文🙈匹配的实🤾♀️🇹🇬验结果🥽新站做泛目录。
结果相当🥣💂值得关注📰⬜：在第一个基🇬🇼®准Pa👩👩👦🎛perB🍟🇵🇦enc🔰💭h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-Be🧞♂️nch Li🦁te上🍅🔖，它以81.82🔐🇬🇬%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🐴。
