（来源：上观新闻）
“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🏡。这个差距越大🏬👨👩👧👧，说明🇵🇱这种能力越🐩能区分成功和失🇱🇺🇲🇸败，也就🍉🍦越值得😦重点训练😈🧓。这个基准出了👩👦👦名地难——此前最🤤🇱🇹好的AI系统只能🏡🇭🇺完成约🈂21%的评🥬分要求，🌦而顶尖的😟机器学🔡习博士生在💺🇹🇫48小时内⤵能完成约4♊👱♀️1%🇨🇵👩👧👧。
PANDA🇱🇦🇸🇳 展现出了最小🚯的性能下降幅度🧿📵，而部分🇫🇴商业大模型在 🇦🇫Hard 级🥄📏别的严重程度分类🙇♀️🐹任务上甚至下🇩🇬滑到了低于随机👬猜测水平🇪🇪✒的表现—☪💪—这说明在面对复🧁杂混合失真场景👷♀️👷♀️时，这🌓👏些模型完全"🇲🇱迷失方向"🔇🚐，只能靠"🦀㊙惯性"输♍出一些听起来像样🕴但实际上随🏦机的答案🇱🇺👩🎓。因此，用一个🦹♂️小模型完成🐯这项预估任🎱🇮🇲务，在逻辑🧳上是合理的🌂，而且在实验💺✂中也确🤞实有效↘🇦🇨。最终，PAND🔈🦆ASET 🚪包含了超过5🇭🇲2.8万对⛹️♀️1️⃣图像，覆盖🧿🔆训练集（约🇬🇬48万对🇵🇦）、验证集（约📐🌠1.2万对）🤢和测试集（约🚩🧑3.6🔡万对）🕊🧻。
