（来源：上观新闻）
当我们谈论"图♓像质量"时，实🏥际上在谈论一件相🐝🏓当复杂🇮🇪🇨🇱的事情🔦。面对分叉的任务🏚👗，它要么💆♂️把所有分支塞🧞♀️🍋进脑子里，脑子🆓🍏一定爆，要么只🥾走其中一💾条，错过其他所🎊🛣有可能🇬🇶。第一个测试场景🍄🔀叫τ?↙🇧🇪-Ben🇪🇬ch，模拟的是真➕✳实的客户服务工👨❤️👨作流程，分为航🥭空公司🇻🇮🙁客服和零🇳🇺售客服两个🥞子领域💃🧦，合计16👠🎥4个任务🦡📓。
为了获🌔☀取“牛奶数据”🇨🇰🌝，自变量团队进入🏛🧑了超过100个🚈志愿者的真实👩❤️💋👩家庭，进行模型训🍩练⛴🎢。这导致了🇧🇷🚸“验证”成本居‼高不下，通常估计⚙🌓占总支出的📐🕶50%💌🇳🇺以上💩🦁。由于每种能力只对🦛应一个🔏单词（比🐩🇨🇽如A、B🍸👆、C）🇰🇵，模型只需要🥉㊙在这些候选词之间👨🦰选择，😞🥶判断过程🧪😰极为高效，每🙎🆙次任务只增加几秒🇸🇪🇵🇪钟的额外时🔯间🖇😠。
