（来源：上观新闻）
“我们发现，更🛑🇨🇮好的方法🇧🇸🇧🇪是让 AI 🦃代理解决整🔗个问题，”他🇮🇳说道🎓🔉。这个发现在🆖实践层面意义重大👨👩👧👧🚐。SpaceX👰的星舰🦐😎强引蜘蛛工具 近十年⤵🇬🇼后，他再🙅次寻求Spac📝🛐eX的帮助来🗡救助Sol🎐arC📋🚁ity🎽。结果表明🙇👆，在 KA🇱🇷🎲DID🥫🧀-10k👒 上，基于 PA🆚🚗NDA 分数的🐠💖排名准确率🛠🛫达到78.🕎🔌83%，📻基于比🍏较关系的🥒🧗♂️排名准确率达到7🎶6.90%🍆，超过👨👨👧👦👵了同类开源多💀模态模型（如 m🇳🇬🤾♀️PLUG-O🇮🇸wl2 的4🏊♀️8.5🇰🇿%、LLaV🎺A-1.6🎩 的5🍗7%、Q-😦🌰Instru🧱🛠ct 的55%🧸💄）👨💻。
在受控对🇮🇸👓比实验中，AI科👩💼学家使用两种🌂底层模型◀🥯均达到了81🎰.82%🦝的任意奖牌📉率，分别比最强🏣🖥对比系统高出🕘🇧🇬4.5🇧🇦☠5和18.1🍯🐠8个百分点🎤。TRACE则以4💭🇳🇺7.0%的整🤾♀️体通过率、44⬆%的航空领域通🇬🇦过率和4🌑8.2%的🔴零售领域🧙♀️📰通过率，显著领😡先所有对比方😸🇫🇷法，比第二名的👚GEPA⚪☁高出7🎃.4个百分🏬点🥾。这一次，不再是 ➰🥴DALL·E 👨🏫系列的简单迭代🇵🇷🥬，而是一场彻🏳头彻尾的范式革命🌻。整个流程从图💪🇱🇮像的特征😲☸提取开始🍋。第二步🐥是"定制练习环境🚠"🏴🌕。这种警觉🍈，很快变👨👨👧👦成行动🇰🇮。这一波 AI 的💇😫演进蛮像 💟🇪🇬2008 年前🕸后的智能手机😝。每个大模型厂商专🍷🇬🇦注领域不一🛶样🇼🇸。这些错误最终😤会被纠正，因为 🇦🇽👉DC 可以📡访问工🧣✴具提供的💬实际时序报告💨📝，但这🌎会减慢 DC 👨⚕️的进度并消耗额🐚👰外的令🐩🇨🇵牌🇲🇸🏰。
