（来源：上观新闻）
假设一种症♎📴状在发烧的患者和🇺🇿健康人中出现🔢🎣概率都😹🧰是50%，那么这👈种症状对于诊😙🐆断发烧🙉◾几乎没♈有价值🐅。在几个对比📍♨方法中，直😯接在目标环境里用🇧🇹强化学习🤥🇧🇻训练的模型（G🏴RPO 🕠on Targe✍t）能达到🤡🇺🇾37.8%，🇺🇾🇬🇺一种使用🌁🌼通用合🤘成环境训练的方💆📟法（AW🛸🚴M）能达到38🕰🇷🇸.4%，而⚫🤐一种通🙃过优化系统提示词😩☃来植入能力描🚄🇨🇴述的方法🌻💍（GEPA）能👴达到3🐵9.6🇧🇾🇰🇵%🕘💤。
虽然我们发现🐂🐭这并未影响 DC🐡 实现🔵🧛♂️功能正确性🚖的能力，但却🕔🆘增加了🧙♂️🔞 DC 调📘试时序问🛋题的难度♉🎉。整个行业，正🧀😔在拼命寻找仅🔑✍存的分☄🇱🇻数🐿🧚♀️。权限管理🤖也是这套机制的重🗨🇷🇺要组成部分🇲🇺🇰🇲。Q2：Pape🌋rBench🐖🇨🇫测试的是什么🈺🎄，AI科🏢学家的👉表现如何？ 🇬🇪🥺A：Pape👨👨👧👧rBenc🤽♀️🔫h要求AI在24😭小时内🗂🇰🇵，从一〰🐳篇机器学习论⚜🇬🇾文出发，在🚺👞没有原始⛰🐮代码的情况♾️🔬下从零搭建、🐾运行并复🔏现论文的核心🤽♀️🇨🇨实验结果🙅♂️🈂。
