（来源：上观新闻）
在图像信号处理器🇳🇨（ISP）基准🧦测试领域🌻😹，可以💇♂️🔚系统性地比较不🚇同ISP算法在各🥑个图像区域的📮处理质量🙆♂️。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📨。Q3：TRACE🗞和直接在目标场🦝景里做强🇸🇻😿化学习训练有什么4️⃣🕡区别？ A：🍙⌛直接在🕞目标场景做📷🇸🇨强化学习（G🧮📦RPO🦐 on Targ🚥et）🏫💞训练时，模型从任🤗务整体成功或失败🕋中学习，👩🔬🇳🇫无法精确归因到😇🌋某种具体🍽🕡能力，容🥏易陷入不🕴🇳🇺稳定或过拟合🚿。
Q2：Pap🕸🧞♂️erBench👨🎓测试的是什么ℹ，AI科学家🐳⬇的表现⚠如何？ A🤰：Pa🐔🐙per💅🔹Bench要求A📘🤕I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🐸🔭。一个1M的上下🍑🇲🇰文，在V3.0️⃣2的成本结构下⏩💧是不可持🇵🇸🕋续的，K😻🌏V cache🚣♀️会把显存🇸🇲🚚吃光🦃🇫🇮。
