（来源：上观新闻）
比如一张图里🚹⛽，天空有雾霾，人🚲🚇物有噪点，背🍫景有压缩失真，系💭🎪统需要逐👂区域识别不同🍫的失真类型🚏☘。第二个🇾🇪测试场景叫To🗓🇨🇭olSand🎥0️⃣Box，测♾️🏝试的是更💋广泛的工具使用能🌔力，包含1🗑29个不同场景🇰🇷。
实验逻辑很简单：🙄🇬🇳对于一对图🤺片，P🔕ANDA 生成🇾🇪♓两张图的失真图，🆚🤒然后用一个🦗™朴素规则来做⛰®整图排名——如果👨🏫🚙某张图中更多🎁区域的🇳🇪🇵🇳质量评分更🇿🇼🌷高（或🇩🇯者比较关系显😞🚤示更多🙃💙区域更好），🇹🇹则认为该图整📺🔛体质量更好👩🔬。
创业者有想法或技🔅术，但缺少能📳🕡力互补，这很大程♥💮度上需要社区🧙♂️支持🍝。1M MRCR💧上V4优🐶于Gemi👃ni但明🐓显不如4️⃣👨⚖️Clau🐏🌶de🇹🇷🕥。可见商业大模型🇸🇨👡在这项任🔼务上确🔤实比随机猜测强🤧得多，但与专🗼为此设计的 PA🏦NDA😱 相比仍有相当🧫🇮🇳差距💒。
