（来源：上观新闻）
在标准🇩🇿🇱🇧PPO中，那💇♂️个"打分员"（C📼🇿🇦rit⛹️♀️🕳ic）📚💉通常和被训练的A♦I模型🇩🇿一样大🇸🇮👨👦。比如用😈户想订一张🐫下午两点以后的🎫经济舱机票，查🏳️🌈询工具返回了各舱🇩🇬位的票🆖🇮🇴SEO是什么简称价数组，AI🇸🇰却读错了🇨🇮📁哪个数字对🇹🇲应经济舱🇦🇬SEO是什么简称，导致反复👱♀️🚃支付失败🈳。
研究团队🐌🐐在论文中🇫🇴汇总了一⚖张比较表，清⛓楚地展示了 P🤕ANDABEN😩🚃CH 是目前唯👨🎤🦘一一个👾同时满🧙♂️🚚足以下全部条🎴件的基准：以区域🧀🏭为核心出发点、具🥌有比较性质（两张🍢图片之间🆙🏘）、支持多样化☎失真类型🇦🇪、包含严重程☘度级别、提😌🍞供质量评分🎄🦌。
例如，C🏡PU设计🆗大师深谙实现🤠卓越性能的“技🕢📃SEO是什么简称巧”和“秘🙉诀”🛶。实现上用S🍋ink🌉horn🕕☢-Knopp迭👨❤️👨📅代，交替做🐐行归一化🏮🕑和列归😹一化，🇲🇶迭代20次收🖱🙅敛💮👨⚕️。。这就是这篇🥈论文要解决🦙的问题所在——不🏰🚣♀️是让AI💈写一段代码，也🔪↗不是让A🦶I回答一道题🎸，而是让🐲AI像一名真🇪🇺🏂正的科研工程师那🏴🇳🇷样，端到端地🃏完成整个机器🏙学习研😝🚬究的复现🎚与优化🌎📚流程📁。
