（来源：上观新闻）
整个过程对每一🤢层都跑一遍🇱🇧🌙。由于每🎙🎗种能力只🤯🥀对应一个单词（比❇🇧🇿新站做泛目录如A、B、C）😌🐸，模型只需要👴🎮在这些候选词之🇱🇨间选择，判断过程💪🇨🇮极为高效🛍，每次任务只增加🇨🇭🌆几秒钟🐩的额外时🖋🇹🇳间⏬。1M 🔕✊MRCR上V🥛4优于Gem📮ini😐🧿但明显👎不如Clau🇭🇹de🇦🇫😇。作为上海市杨浦⚗🌖区第一批获得🇰🇲OPC营业执🗓🐼照的企业，晴敬科🌠🇰🇾技深度🍲🍑受益于杨🏃浦区复兴岛OP📻C孵化计🇦🇼划🇫🇴新站做泛目录。分析过程🚉🧁分为两个🐮阶段：先是"🚣♀️👑发现阶段"📜，分析AI通过🌓检查所有记录中的🇪🇬工具调📝🇪🇸用、工具返回结果🇫🇯和最终回复，🚬🍒归纳出一份候选能⚒🇨🇼力清单，🇰🇵并为每种能力起一👨🦳👷个固定名称和描述🇻🇳；然后是"标🙏🚬注阶段"🇦🇨，分析AI🇬🇫🚚拿着这份清单，🎳®逐一检查每条任务🧪🌴记录，判😥🙎断每种能力在这条🍷🎰记录中👩⚕️🦌是"不需🧿🐢要"、"🥈🇬🇫已正确执行"🤳还是"🇰🇼🐵本应执行🦀💀却没有执🐟行"🇲🇿⛴。
AI科学🇲🇸家使用GLM8️⃣👞-5模型时达到🔄了平均33.7⤵🙎♂️3分，比👥🤪此前最强A💫I基线高🇲🇹⛵出11.15分🥌，并显著缩小了与💗💩人类博士生的🦑差距📸🕖。你不可能亲🦐自去工地🌇🕸搬砖、测量、焊接🚴🐼，但你需🏍👜要知道每栋楼盖到🇱🇧👨🏫什么阶段了🌦📊，下一步应该🍡安排哪🇪🇪个专业队进场🇽🇰。研究团队测🇹🇰试了四种合并方案🔍⛲，通过率💁🧶均低于🐏🐳TRACE的按需🧪🥧路由策略🐉。第三步，cor🇼🇸⚽e att🎽🌊entio🦋🚨n🇲🇺。中间一定有人漏👽掉或者延迟🕘🕜。这项由斯坦福大🦴🙌学主导的研♎究以预印本形式于🍃2026🇩🇯🌒年4月发🍧🏃表，论文编号🥎🏁为arXiv:2🛐🧠604🇦🇷.053❓🚍36v1，有兴趣💡🎱深入了解的读者🈶可以通过该编😦🇬🇶号在arXiv平🏀🇷🇸台查询完整论🏍🦈文🇺🇦🧝♀️。
