（来源：上观新闻）
作者| 木🇧🇿😴落潇潇 编辑| 🐣Mia 20🎴26年4月1🇱🇾❓5日清晨，第🔽十三届中国网🍠络视听☕🥀大会在成都开幕👲。在Open🔟Claw体系中🦞🌋，所谓学习，本👃☄质仍然依赖😜🇬🇵用户🌆。研究团队将AI科🇧🇪学家与非层级📝化的简单代理🤼♂️🐎（在Pap🇰🇮erB🖼💉ench上🇧🇪对应BasicA🇳🇦gent，🆙🇲🇳在MLE-🇦🇿Benc⏬h Lite上🏃♀️🧴对应AIDE🌏）进行比较，发🐵现即使是去掉文🛢🛷件即通道机💮🧟♀️制的"残缺版🐀"AI科学家，在🏃PaperB🚃💠ench上仍比🚘BasicA🎡👨💻gent高出4📵.74分♌，在MLE-Be🎐⛄nch 🇦🇼Lite🍖🔩上的"高于🛂中位数🆖率"和任💺🇩🇰意奖牌🆕率也分别高出2🔔🇬🇧2.7😒🙉3和9.09个🦜百分点🐿。
正如《麻省🍜理工科技评论》评🅰🇯🇪价的那样：“当🐢↕其他模型还💊在比拼谁的🇲🇸🇷🇪画风更惊艳时，🇵🇪🇰🇷GPT🔺🥄-Imag🛵e-2 🥃🇧🇭已经默默读懂了设🆎计简报🇦🇲🖌。这种高度集中的分📶🌌布说明，目标😎📃场景的失败模式并🇻🇮不是均🌷匀分散的，而🇾🇹是高度😿📑聚焦在🐾😪少数几种能🎰力缺失上🇭🇺🏳️🌈。换句话说，当任🥭务需要跨🇧🇮💜越多轮实验、不▪断从之前的诊断中🤪🚑学习时，丢🧒🍏失中间状态🤼♀️🚪的代价就会急剧👨🏭放大🦖。压缩过程也💻没有CS🐷🥥A那样🧿📍的ov👆erlap🇨🇼，直接每m’个💆♂️🇿🇦一组压😡。在医学图像领域🇹🇴🥁，可以把🚝🎤两次C🇮🇱T扫描👷♀️的不同区域（肺🕕、心脏、肝脏🧬🧨等）进行📼结构化对比，🕵️♀️🇨🇰泛纳设计(深圳)有限公司辅助医生发⛴现细微变化。
