（来源：上观新闻）
你做出🍁这个判断的🏈过程，不是对整张🐎照片笼🏕🥝统打个分🇵🇬🏚，而是🏈把照片拆分成一🕟个个区域，分别🇳🇫去感知每块区域的😘📉质量差异，然🌜后汇总成一个整✅体印象🇨🇴👩🎤。不只是工具，🌍也可以是🛎♒伙伴 过🌡🇨🇭去，当我们谈论机🇳🇫☂器人的未来时，⛸绝大多数人🧮的预测🔧🇸🇮与期待，都指向🌺👦了同一个词🇵🇱🔸汇： 🔫效率🈳👮。第三是"功🐓能性比较"：对于📘🗡每一对对应🕣🦢区域，有且仅有♣一条比较📠关系，🎢不允许出现一个区👨👦域对应多个😅🛬比较结论的情况🙋👨👩👦👦。
任务规则🌈非常严格💕🌍：给AI一篇论🇳🇱👋文、一个配有G🇲🇿PU的空白Do🍒cker容器和🥞24小时时间，不👶能使用作者的🛴💖原始代码，必须🏜🌂自己从零🇰🇮🍗开始搭建、运行⛲📗并得出与论文🥨匹配的实验🐢🐺结果💃👒。例如，如果🚋🗑文档中缺少🌄 CPI 要求，🎆DC 有时会🇯🇴🚜生成在分支👩❤️💋👩和转发方面性能🎺显著下降的🕤🍘独立站SEO处理器💍。企业还将发♟️🦈现，在以前因销量🇧🇿👮过低而无法盈利的🇮🇴🥍应用中，🏷🇸🇬存在更多可寻址🧒插槽📘🤰。
更重要的🎰是，他们通🌟👚过大规模🇦🇮实验揭示🇦🇺🤢了当前最先进的多😒📁模态大语言模型在🐎区域级质量理解上🖱的系统性短板—🎧👩🏭—即使🤟是 G🆑↙emini 2.🇲🇴5 P🍄🎍ro 这样的🇲🇿📺顶尖商🌇🇧🇯业模型，在这类任🇧🇬📠务上的表现也接近🚼🦈随机猜测的水平🇳🇨。在这个测🔸试中，基🤕础模型的通过率📀⚜是32🤗🎯.9%，🇷🇴👨🚒航空领域24%，💐零售领🚵域36.8%🐘。
