（来源：上观新闻）
“这种带记忆🇵🇰⬇的自主☄智能体方🚤向，是未来🇵🇼所有成熟Age😘nt的必经👱♀️之路🇨🇬🆚。这项由南方科技😚🛡大学、北京邮电⛳👵大学、🙆🌏微软亚洲研究♓🧭院、上😩海财经大🏳️🌈学、清华🎯大学及🚗INFLY TE🥡🐠磁力蜘蛛搜索神器CH联合❓👨👨👦👦开展的研🎈🐴究，以预🔠印本形式于🕓🍚2026年4月发👨👦👦🕒布，论文编*️⃣🇱🇻号为arXiv🕊:2604🌏🌔磁力蜘蛛搜索神器.08865🙄🐠。他们将失真🥘类型分为14大类🤵，分别是：模🤨糊、亮8️⃣🎶度增强、压缩失真📡、对比度增强、对🌗🇯🇴比度减弱💝🇫🇲、变暗、雾霾、🐃噪点、过度锐化、🧑像素化↔🗂、雨滴、饱👨👧🍕和度增强、饱和度🤷♀️减弱和雪花🌋🖇。
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📦🗞。。尤其值得关注的是🍂一个有趣💼☹的对比：🇲🇿仅仅针对单一能🏇力训练一🛤👩👧👧个插件，就能达📏到40.😊👦3%的通过率⏰，已经超过👹了AW◀🥑M和ADP等使🏮用大量🌀通用训练数据的🙏方法📵。
Alpha♦bet首席🔶🦀执行官桑达📊🕚尔·皮查伊🇺🇿🍶亦在博客📇中指出，这🇰🇵😃一架构旨在"以🇻🇺🍆具有成本效🆙益的方式，🗼提供同时运行数🇧🇷百万个智能体所🎯🔍需的大规模吞🐼🦛吐量和低延迟"🗿。这个基准共分三🌅个难度级别🚄，每级随机🌞🔮抽取3🏣00对图像🇫🇷。这也是很多用户🐔🐗体验后的感觉，“🛷🏂依然会忘事儿”⚠🏏。验证所需的🌗各种仿真🗂🤐类型，其🥺🍱运行时间都很长，🏓🦎而且服务器工🧝♂️🍛时成本高昂👨👨👧🧤。
