（来源：上观新闻）
面对分叉的任务🏃♀️🥿，它要么把所🥴有分支塞进⬆🛸脑子里👩👩👦👦🚯，脑子一定爆，要😉🥗么只走⌨🧐其中一条，错过其☦他所有🛂🇲🇽可能⛑🇳🇮。研究团🌾队在这个🥯基准上对当前最🇸🇾先进的多👨👧👧🌟模态大语言⚓模型进行🌧🐌了全面测试，🇰🇷🔥结果相当"触目惊💬🛳心"💬🇹🇫。在行业趋势判断上👩🔧🤭，董事长💺成锐分析认为，😞🛰当前具身智🥉🎌能产业正处于🚚🐓从“概念👛热潮”向“实📩质验证”过渡的🐼关键阶段⏪。“这种带记忆🇨🇭的自主智能体🎖方向，是未来所🇮🇹有成熟Agent📱的必经之路🧚♀️🤮。AI科学家的♒做法完全不同💾➕。在对一😯个 13🅾域名地址 级 OoO 🇯🇴处理器的代码库🇧🇭🌎进行测试时🍽，DC 能🅿🇱🇺够解决功🍭能和时序问题🇵🇪⏮，就像它处理 🛍VerCore 🧞♀️时一样🎳🕌。
第一条，百万t👕🏺oken上下🛣🌔域名地址文全面开源，🍝📦KV cach👆🇷🇴e大幅👋缩减🏗。比如用户要求取消⛄两个预订并修改第🇦🇬🗿三个，🅾AI完成第一项➰🇹🇯取消后发出了🅿"如有需要🗃🌝请随时告知"的礼🐨貌性结🚶🌁语，然后🍫🇲🇴陷入与用😮🌀户的无效对话循🛹环，直到超🇲🇹🤼♂️时也没有处理剩余🎴⛔两个请求🐑👨🎓。（3）规范要求 🦚我们发现，提🍞供给 DC🌓 的输入规范必🛀须以极其严🇧🇪😹谨、精确💷🈵且可验证/可测🔒🦶量的方式编💈📙写🖍🇲🇵。这组数🚿据背后🤟🥀的逻辑是：🥔当训练场景与目❓🦍标场景完全一🇸🇬🍣致（即直接在目🧶🍲标场景上做GR🦎🇰🇪PO）时，模型很💽容易陷入👩🚒过拟合或训🧴🧤练不稳定的状😍🏏态——它学📠到的可能是特定⤵3️⃣题目的答📸案，而🎱非通用的能力🆗🧠；而TRA🗝CE的练习场景经🤸♂️🚰过专门📄设计，每道题🤺都由随机种子程序🚄生成，变化无穷📣🇳🇦，AI练的是"能🌆☄域名地址力本身"而非"🤹♀️特定题目"，🇨🇱📙因此能够🇦🇮随着训练🐑轮次的增🤐😗加持续稳步提升❣。
