（来源：上观新闻）
他们随机抽取了2📀ℹ00道题目，让A🇲🇦🏺I多次📕尝试每道题，用🏐实际答🧡🦀对率作为"真实🔒🤔难度"的衡量🌏🎬标准，再与价值🚆👩👩👧👦模型的预测值做🎿对比👩🦰。**五🔞🇦🇸、PAND👓🗝ABENCH：🗻一个让AI"现▫原形"的考场🇲🇦** 有了🙆♂️ PANDASE📤T，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👨✈️⛑ PANDA🧒🕸BENCH🏯。
三个模块😯各司其职，🍡🛎数据依次传递🉑。一位机器学习方向🙁™的博士生，👨❤️💋👨⏏拿到一篇论🇲🇪文后，需👹要先读懂它，再🇦🇿🛰搭建运行环境，接🔓🍅着动手写👨❤️💋👨🇨🇱代码，然🔢后跑实验🌵📤、看结果🇰🇾🇧🇶、发现问🏺题、修改代码⏳、再跑……👨🔧这个循环往往持🇸🇨续好几天🎗🌼，中间任何一步📦🈁出了岔子，6️⃣都可能前功尽😹弃🆎🇦🇨。这在理论上很🇹🇫美好，但实践🤴中就会遇到前👊文描述的打🦊🏠分困难🇨🇽📈。
