（来源：上观新闻）
和机器人👨👨👦👦👨🔧打羽毛球是一🚦种怎样的体🌊验？ 有👱♀️人上前试探性地吊🇾🇹了个网前球，原🥕🦘以为这台机器反应⛰🌎不过来，结果🇨🇺它立刻滑◾步上前，拍面🦊🔒轻轻一挑👩👩👧，把球救了回来🧖♂️🥢。研究团🚹队将AI科学家与🖊非层级化的简单代🇸🇧理（在P🥿🇸🇪aperBenc🕉🥽h上对🧛♀️🕐应Ba📋sic🌎Agent，🙉🇲🇵在MLE-Ben🐣ch L🦞ite上对应🔚🌏AIDE）进行🇿🇲⛵比较，发现即使🕕是去掉文🍑件即通道机制🇵🇾🖌的"残缺版"A🇯🇵⏯I科学家，在Pa🍪🔰perBench🙅🇧🇩上仍比Ba❕sic💽🇬🇼Agent🇹🇫高出4.7🍢📠4分，在M🍽❓LE-Bench💽 Lite上的"🇾🇹高于中🥇🍭位数率"🎺和任意奖🇧🇲牌率也分别高👻出22.73和9🍑.09个百分点🛬🔽。
这意味着，S🇧🇯🧰PPO👨👨👦的成功不🗜是因为某个🛀特定的数学🔫🌔技巧，而是🤭🌻因为"把整🖍个推理链当作🐲🎳一个整🎊✅体来评价1️⃣🇰🇼"这个根本性的框👡💪架转变🇦🇽🛢。DC必👩🦰📷须记住并满足所🕶🛩有这些目标🗺⚒。Age🇦🇪nt 也是环境📍☂的反应器📀啊❎🇹🇭。从实际👯👞影响来看，这项研🥏♊究降低🚴😑了训练高质量推🛡理AI的门🇫🇴槛📀👩❤️👩。两款芯片均计划🇮🇴于2026年晚🐬🇸🇭些时候正式👞✨对外供应🏫。
而具身智能提供📍🦸♀️的，恰恰是🐊🛅一种反向的可⁉🍓能—— 它打破了🎋👩❤️👩那面无🔹形的数🧟♀️🥳字之墙，重👩❤️💋👩新赋予我们“有▶人在旁👂👨✈️”的温度🔅🥈。研究人员指出🚉，预估一🍨🈁道题的难度，🥙根本不需要具🦄备解题能力😰，就好🔊☁比一个经验丰富🥊的老师一眼💔🦃就能判断某道题"🍊很多学生会错"，⚛即使他自己🖼不亲自去做这🦚道题🕔。研究团🕣👩👩👧👧队特别为失真图设👀计了三条数👻🤠学性质，🌃以确保这种图谱🚟能够准确、一致🌫☝地描述图😙像对比关系🇵🇼。
