（来源：上观新闻）
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😵广告引流是干什么的记录中👨❤️💋👨✌是"不需要"🇹🇹🥨、"已➰🎋正确执🚧行"还是"本应🇬🇱执行却没有执行🌤👩💼"🎿🍬。
测试结果显示，在⏭✍难度最☯高的Hopper🦀🍔和Mount🌦🇱🇦ainC🕵️♀️🇸🇳ar任务上🍴，标准P📭❓PO几乎完全失败🥓，成功率停⛺在接近零的水🛃☝平；而SPPO成😨😗功解决了这两🇰🇼🤠个任务🌡，成功率稳步攀🎇升🖲🏢。类似的情况〽🇸🇳，时有发🧳生🥉。电影一上线，不🚼少人发现，这部电☀😻影谈不👨💼😧上AI创作💲，更像📅👨👩👦👦是一部3️⃣“借鉴”之作🚈🏴。但研究团🐤👠队发现，当你🇱🇾给这些模🐡📂型提出更具体的👓🥛要求——比⏳如"请告💕🧒诉我这张图片🌤里每个区域◀🇲🇵的质量如何，哪个🇭🇹区域出了什么问题🇵🇪，严重程度如何🥅🧨"——它们的表🍇现就会令人🖖😻失望🇧🇿🏎。
“第一是服务😖🏋️♀️，用户的产品🍈体验是否流畅🦇、方便、舒适，这🤱🎐是非常大的🌵竞争力😶。一个可能的🍵👈流程变📅化是将验证🉐🎽工作前置，以便🦞🐾为 DC 提💾供某种集成测试，🇵🇰以指导其 R👩✈️🇪🇺TL 🇨🇻实现🆎。比如 C🛐📮广告引流是干什么的o-Instru🧽🤴ct、Q-Ins🌟😧tru🇳🇨ct、D🔛epictQ💕🤙A 等，♥它们能够告↘诉你"这👩🚒张图片整体有点模🅱糊"或❗🍗者"这张🤽♂️🤷♂️比那张👯🤜清晰"🍳🦒。
