（来源：上观新闻）
Q2：🇸🇮😡PaperBen🌂ch测试的是🍚什么，A🇷🇺I科学家的表🌺现如何？ A🙂📑：Pa👭👨👨👧👧per🛢Benc👢🧼h要求AI在24📃😓小时内👨🦳，从一篇机器学🥀🌾习论文出发，🍏在没有原始🔳代码的🔣情况下从零搭建、🇧🇴运行并复😥👘现论文的核🤾♀️心实验结果🇵🇦🐁。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"🤑。
🧩 🇹🇰多方案🦗并行 ⚾+ 角色一致性🕦🦀 — 一次最多☮生成 8🚭 张图，且保🖍🚼持人物👨🦲/物品跨图🕕一致性🗺👨👧👧。做一份深度研究是🇧🇩🇸🇯前者，做🎟✝一个产品从📪🦈设计到发布是🛁后者🌰。对于每个区🗺🇬🇲域，系统会以8🇪🇭0%的概率随🎵♎机选择一种☎失真来施加🔓，以20%的概🇳🇷🛹率保持该区域干净🙉。Q-Be🧱nch 等工作侧📵🇨🇴重于单张图🇰🇷🚴♀️像的整体质量分析🙊；DQ49🇸🇭5K、MICBe🕣🇫🇮nch 🌰等工作虽然涉及图🤳🎈像对比，📩🇲🇬但不是以区域👪🇨🇦为核心🖊🇧🇿出发点🐆🎀；Seag🇵🇼🇸🇬ull、Q🧞♀️Ground、G🍈round🖇ing-I🚜⚖QA 等工作虽然🇦🇲涉及区域级分💱💌析，但只针对单💬🇸🇪张图像，不支🦅🤾♂️持两张图片之🇨🇵间的区域级比较👩👩👦👦🛡。
AI短剧的👨👦👦🐰风口之下，“人👳♀️💦脸买卖”的手越🐔伸越长，🇮🇪🏹已经从素人和群演🐴，蔓延到🍙🇪🇭中腰部🌃及以上演员，集♍体发声的顶🦈♿流演员，难免🔄🚐会有唇🚗亡齿寒的危机感🔜🇸🇴。DC必须记住并🌻☔满足所有这🇹🇫🦗些目标🙆♂️🍳。
