（来源：上观新闻）
失败覆盖率☝👨的分布🧳🇹🇲也非常集中：👫〰"结构化数🥏据推理"覆盖了约☘41个🛄🧱失败案📩例，"多步🏴🇬🇲骤任务完成🍰"覆盖🐈👁️🗨️约25个，"前🏖🦗弄蜘蛛网的工具叫什么提条件👨👩👧验证"😅约34个，"工具♌调用精确性"🍀约20个，而🥬🚹其他被⛓淘汰的候选🦏能力大💌🇬🇼多只覆盖1🐄0到15个案例🛋😑。
当然，这项研🙈究也坦诚地指😣🇨🇮出了自身的局😭限：SPPO🈷的设计前提是存♣在一个🌬明确的🏘对错判断——数📲学题是否答🔁💇♂️正确😞。正是为了解🚊🛰决这个问题，华🐉为技术（加拿大）🌾📻的研究团队提出了⛴一个全新的思🐐🍿路：与其让📌AI笼统评价🇹🇨整张图，不如教📀▪它像真正的📞🚷专家一样，先📍把图像🇪🇬拆解成一个个有🚾意义的🇦🇨弄蜘蛛网的工具叫什么区域，😜再针对每个区域🇬🇷进行细致的质量分🙃🧠析，最后通过一张👨⚕️🇰🇾结构化的"关系🐷图谱"把所📣有信息整合🙁🍓起来🚒🌞。
整个流程从图🚍像的特征提取🌈开始🕛🧩。**归根结底，🇨🇰这项研究说明🔀🦗了什么？** 👩🦲这项由华🎄😿为技术🎩👘（加拿大）团队🥝🙁完成、⚙发表于 I🖇📢CLR 20🇸🇷⏮26 的研究👨🚀🚓，用一⛳⚜种非常朴素🍙的逻辑🤲回应了一个长🕶🇷🇪期被忽🔘📑视的问题：🇷🇴AI评价图片质🧿🗄量时，不🇹🇱🤶应该只看整体，🚺因为整体感📖知是由局部细🌦节决定的📺🤬，而不是反过来◽。
