（来源：上观新闻）
这一分🎤🚮析揭示了当✴🛤前模型的核心瓶颈🇬🇵：并非不会找证🏑据，而是在🦎写报告时难🇲🇨🧛♀️以始终"😢🇳🇪忠于证据🦗😆"🥰。--- 七、🍜实验结🍡果：数字背后的👨👨👧👦故事 研究团队🏬在ArcBen🥣🍰ch的10🈺0对数🚹据上，用三种生🛶🎱成模型（G🛵PT-🇫🇮👆4o、GPT👨🦰-5、❄🇲🇬Qwen3-©VL-32B💷😖）运行了Ar🤐🇮🇳cDeck和🆙四个基准🇪🇪方法，基准💍🇲🇰方法包括纯HT🇻🇺👩👩👧👦ML提示生成（H🕘TML）、Pa♊per2Post😳er、P🧸PTAge🌽🍻nt和Sli👭🔶百度竞价deGen🤝6️⃣。
在512k👟规模的配置下，每🌝个任务的沙🤺🇰🇭箱平均包😴含465😓.5个网页，相🌲🎾当于一个微🥑🇸🇿型"专☝🔛项百科全书"，但🍫🇦🇨绝大多数内容都是🥄😯与任务无直接关💻🇩🇲联的杂音🇭🇲。视觉布局和🥯🍃视觉主题维🤾♀️度上，Ar🌙🗾cDe🇬🇼🍝ck的得分也相🐠🐛当有竞争力，以G🕊🌠PT-5生成时视🇪🇭↕觉布局得分高达🚟99.40（满分4️⃣100），🇻🇬🏞视觉主题🇧🇼🇬🇳百度竞价96.06✖💑。
第一大类是🧶"核心-卫星"关🖌系，即一个段🕋落是核🎠🐱百度竞价心主张，另🧿🇮🇸一个段落围绕它♓🔰服务，包括"阐👝发"（添加细🕔节和例子）、"👃🎣解释"🇫🇲🛅（说明为什么或💪🔩怎么做）、"🍰背景"（提供理🚥解核心所需的前置🦷信息）、"🇺🇾目的"（阐明动💁♂️机和目标🇵🇲🏎）、"评价"（对😦核心观点的判断和🇬🇲👩🚒百度竞价评估）、"组织🧦"（起🦍4️⃣到路标指😻引作用的结构🇸🇱👺性说明）🕵📃。
