（来源：上观新闻）
很久以前🚰👨👨👧，我们并没有能➗力做这样的🇰🇬🥮事情💣🥡。在 LL📉🗾M 生📘🇯🇵成代码的时代，迅🕓🎪速放大了这个痛点👌。微裂纹会导致🤝良率下降和可🦅靠性问题🗜👩🎤。降低客🙋♂️户集中度虽是🦍必答题，却注定道🍻阻且长⛳👤。由于图🤶🏳️🌈形渲染技术🌤🇨🇿的商业模式和🐈应用场景不🍳清晰，很多投资🥈人甚至连GP🛤U都没听过，所🧤🌰以当黄晓煌带着不😯成熟的BP面见投⛄资人时，屡遭拒🐦绝🤽♂️👽。
这种方法结合了🚚霍尔逻🦄🇳🇱辑的推理规📉则和 📯LLM 🏳️🌈强大的🚣♀️语义理解能力，实🦃现了对大💝🐪规模代码的“🌘🏋找茬”🇿🇼💁♂️。那么问👨🏭💪题来了🕟：一个能🏞🇭🇳自己玩🇱🇰🦆消消乐的A🥞I，离替你完🌓🐗成日常手🎇机操作🇰🇭😌还有多远🤘？不是那种「帮我♏🇳🇬设个闹钟」🇰🇮的语音助手，而🌂🎙是真正像人一样🎰🥋，看屏幕、理解界✏面、滑动点击、🚑🇮🇱逐步完↕🇧🇯成复杂任务的智🔙🆕能体👩👩👧🧵。
一个在视觉榜单🤽♀️🇧🇮上拿第一的⭕🧂模型，可能🇫🇲在物理榜🏊♀️单上垫底😦🇮🇩。你需要成千上™🇬🇶万种变🥳🇦🇲体🇭🇹😮。图丨基于自然语言🏝的代码正确🇮🇨性推理示例☕（来源：a👨👨👧👧rXiv）🐟🧜♀️ 如上图所示，🌔FM-Ag🎫ent 逐💒制服二区段推理🇹🇳⛺代码执行后🗣的程序状态描🅰述（注释部分👟👨👩👧👧），即⭐🇸🇿后置条件，一直🤙制服二区推理到🇧🇾函数返⁉🍒回，检查📇最终的💯程序状态🚽◾描述是否🇱🇧🇸🇧违背了规约里对💗最终程序🍮🙊状态的👨🦰↕要求🇨🇵🕕。
