（来源：上观新闻）
第一种方法🔕好比给新员⤴工发了一本🎮♾️厚厚的百科全书，🇽🇰🔑希望他能从中♦找到所需🐬知识；第◻二种方法🗣好比直接🚆把他推上战场，◻靠成败来😖积累经🛅🈁验🥀🌋。这说明预测👨👩👧👦🐡题目难度所需的能🔏🐔力，远比解题能力🏢🏑更容易学🏌习🚕。DC 在🤖🏗将自身集成到🧩🎟新的代🤼♂️码库或接收🚷用户提供的需求👨🎓时会利用📞这部分内👋🏝存👊。
图1展示了一个具📿体案例：在"侮辱👳♀️性言论检测🛄"这一📙❔任务上，AI科学🥵⛄家在23小时内自🐨主完成了7🚢4轮实验，将模🎌型的验证集A🕧🤚UC（一种衡量🤓分类模❓型好坏的😴🥩指标，🥊👩⚕️越接近1越🇬🇵好）从🍛🕉0.903提升🍦🤟到了0.98🐫2，期间🇧🇩🇦🇬经历了1🦍8次"找到更好🍐方案并⛅保留"的关键⏹👱♀️节点，同时🇳🇺也经历🌀🤦♂️了大量"😦🏃尝试无效果🇸🇽🛢而丢弃"的探索❤过程，全程无需人🏵🇹🇭工干预🔛🚣♀️。
事实上，我们🇮🇲观察到 🖥DC 会根据布局🎗布线后的最终时序🇳🇦反馈来更新其👐设计🇵🇲🇰🇳。结果表明，在 📤🇯🇵KADI👻D-10k 上，🌠🌥基于 P🔂ANDA 📓🈶分数的排名准确率↗达到78.🔁83%，基于比较☪关系的排名准🇹🇷🖇确率达到76⚜😀.90%🇮🇴🗣，超过🚵♀️📼了同类🔟开源多模态模🕔🈲型（如 m🌚📝PLUG-Ow🔷〽l2 🇸🇷🕘的48🧿.5%、LLa🇬🇭🚆VA-1.6 🚖🇧🇲的57🇧🇸%、Q-Inst🕵🇭🇷ruct🇳🇦 的55%）🛳。
