（来源：上观新闻）
创作者的良知，🗒才是守护📳真实的根本🥇⏰。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🧴。压缩率m’=12🇬🇭8，每12🐹👳♀️8个token🌱🤕压成一个🇪🇷📫。需要看具🧦🧛♀️体情况时，你再去🇭🇹翻对应的文件🍤。
每块芯片集🕝➿成384MB静⛎🇮🇱态随机存取存储🇨🇿器（SRA📋🔴M），是上一🎄代Ironwo🚖od的三⌨👨👦倍，可将更🚏大的KV Ca👨✈️che📖🇸🇸完整保留在芯片上🇵🇳，大幅减少长上💢🚇下文解码过程🌆中核心的空闲等🛡待时间🤢，对需要多步骤😻🏙推理的AI任🤛🔖务尤为关键🥮。留下来未🇱🇮📽必是好事 在Bl🛑ind的Me🍡🤲ta员工版块🦌🇱🇦上，一🇪🇹🇸🇪些用户发问🥬，为什🍞么Meta不💨💎能提供自愿离职🍧🍣补偿🏃🙆♂️。结果相🍜🥿当值得🍜🇱🇧关注：📖在第一个基准🎅🤭Paper🇼🇫🎡Bench↙🈵上，AI科学家的🐁🕍平均得分比👨🦱此前最强🇲🇴的AI基线系⁉统高出10.5🐓🎌4分；🐣在第二🇯🇪个基准MLE-👵Bench 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🇦🇶。
研究团队将AI🙅♂️科学家与非层级化㊙scm供应链管理的简单代理（在♦Paper⏲Bench上对⚡应Bas🇷🇪🇦🇹icAg🏣ent，在💁MLE-Benc📶😰h Lite👵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Pa🤔🏋perBen🛏🥊ch上仍比Ba🙋👹sicA🗞👜gent高⚜👩🚀出4.4️⃣⚰74分，在🇬🇹MLE-Be👈nch 🏴🔋Lite上的⏬🆒"高于中位数👨👨👧👦scm供应链管理率"和🤶任意奖牌率也分🤺🦵别高出22.7😋3和9.09⚜个百分点😟。
