（来源：上观新闻）
这项研究的价值在👍于，它提供了一套⏏🥢完全自动化的系统🇿🇲👗，不需要人类⬅专家坐🌆🔮在旁边一条🦜一条地分析🌐AI的失败原🇪🇹🎭因，而是让AI🖲💂自己完成这📘🖇个"自我诊断"Ⓜ和"自我补👨🔧🚓课"的过程☮。这种对物理规律的👨💻理解，正是零样本🐴泛化的基础🧨。此前最好的AI系🇺🇳统只能完成🔟🛷约21%的评分🌓要求，而顶尖👃博士生😆能完成🥥🏺约41%🏛。
这种双向🅰🧜♀️信息交换，使每🚹个区域🍭都能在"看过"⚒🏹对应区域🤞的基础上，做出更♣🔎准确的判断👷♀️🏉。"实验专⏏家"负责运🌕行代码、观🇧🇪察结果，将实际☸产生的🌯指标与论文🛄中报告的目标值🦗进行对比，记录差🔻☪异和问题，并🌋在遇到简单错误（🎇如导入路径错🌊😂误、配🇦🇪置文件格式问题👷🔹）时直接修复，🤮而将需🚶♀️要深度代码🚶♀️改动的问👓😱题提交🌘✴给指挥官，🈶🌕由指挥🐪官再次调度实👥现专家处理😉👶。
单 Agent🇱🇰 的能力一✈⏮下子快速提🕶🏒升，但行业很快发🥐现了两个绕不过😭去的问📯🚠题👩👩👧👦。针对生态构建🇭🇺🥋的关键作用和社区⛳的核心价值🕙🇹🇫。"论文理🇭🇷🎽解专家"负‼🌨责读懂目标🇸🇾论文，🍀将其分🇲🇼🇪🇺解为结构、算🇭🇳法、实验设计、🔌🍉基线方法⚫♈等维度，并将结🖲果写入论文分析区🍬😋。
