（来源：上观新闻）
在Paper📞Bench上，平🦞🚏均分下降了6.💤😍41分；在M🏫LE-Be🦐8️⃣nch Lite🤐上，任意奖牌🚢率下降了31.8🏧2个百分🎚🔟点📖。1M场景😝下，V4-Pro🇲🇿🦝的单toke🕌♨n FLOPs只☸有V3.2🇫🇴🦋的27%💦，KV cach😹👩👩👧👧e只有10%🕒。分析过🛎程分为两个阶🤦♂️3️⃣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"🆒⛑。
其四足机器人🏇HG系列🌼🇧🇷与轮式双🕉臂机器人Ast👩🏭🥖ro系列已完成工🦙💱程化验☁🐆证，进入批⏲🚶♀️seo.量交付🏰🐠阶段⛵🧐。研究团队还会重复🇨🇮😂这个分析过程🏌多次，只保留🕢每次都稳定🇵🇪📷出现的能力🆎🥺，确保结🐥论的可靠性🍿。但斯坦福大🐹🇰🇲学的研究🕣🍡团队采用了一种截🆚然不同的思🛷😞路——❎🔩先像医生🇦🇨😐一样给A🇨🇽I"做检👨🎤查"，🐇找出它到底哪🖇里出了问👨🍳1️⃣seo.题，然后专🍠门针对这些薄🦋🥤弱环节设计练习🚽题，让A💀🇪🇺I反复练习🔓直到真正掌握🥀🤭这项技能🇭🇳👩💻。第一种叫"权限🇹🇹🧗♂️错误恢复"：🇸🇻🔸当某个工具调用🧛♀️返回权😶🍷限错误时，A🍟seo.I直接向用户报🔤🧸告错误就🔹☸停止了，🥉而没有去诊断😄并解决根本🙅♂️🇦🇼原因🚗👨🦱。
