（来源：上观新闻）
框架是一⚓种软件，🧲它强制人🍾工智能智能体🏒按照结构🥃〽化的步骤🧚♀️🏂执行任务🌖。Hard级别中，💱🚽两张图的每个区🇬🇭域都可🧡🍚能有不同的失真类*️⃣型和严重程🍑度，需要逐区🇬🇮💈域精细分析👑🧁，是最🏹🍔具挑战性的场🇹🇯🇻🇺景🧀📇。后者的下降尤😿为值得关注——🦗🎽去掉这个机制后👨👩👧🎿，系统🔂🔛仍然能产生有📽🍂效提交，也还能🦄💠获得一🦐👩🦱些铜牌，但银牌、🧝♂️🌀金牌这类🇲🇫🦁需要多轮精细优化🌁🦹♂️才能达到的成绩💷👨🏫大幅下滑🇸🇦。
研究团队🎬⛹️♀️将AI科👆学家与非层级化的🚪简单代理（在😐Pape👗rBe👨🔬nch上👩💼对应Bas🔓🥿icAgent，😝🎿在MLE-Be🎠nch🙌 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Pa🤪perBe🇲🇽📯nch上💁💰仍比BasicA⛎gen🕦t高出4.7😂4分，在ML🚏🇵🇰E-B🎸enc🇲🇹↗h Lite上的🤫"高于中位数率"🦔❇和任意奖牌率🇱🇹🇸🇨也分别高出2🎛🇲🇨2.73和9.🕊💏09个百分点👨🎨。
这种“所见即所得🔢🕛”的可靠0️⃣性，让🍦设计师终于可🍙🛩以放心将重复性💔工作交给 AI👹。从 Ea🇸🇪🎼sy 到👨🏭 Hard，所🇰🇷有方法🇫🇲🏁的性能都🗳出现了不同程度的☃☔下滑🇪🇹。我真的震撼于这些👙✊化学反应👩💻🇧🇧。VerCor🕺e 的 Core📧🇹🇰Mark 得分🇾🇹为 3261 👩👧👧分📣。” 公告🌧同时表示，“家🦓门常开，🧔欢迎归来”🧚♂️，传递🛑了对两位主播的不⏫舍与期许👩👦。性能方面，SPP❓👨🏫O不仅⚾没有损🚳失，在1.5🃏◀B和7B⛓两种规模的模型上🤤，SPP⚰O的综合平🇭🇹均分都略🍸高于GRP👩🦲O（N🥨=8）🇲🇦🇲🇨。
