（来源：上观新闻）
电子设计自💣动化 🇲🇳(EDA) 🕑🤔工具也具有高度可👳♀️💶配置性，需要🔘相当丰富的专业知🚺🏐识才能操作得🧔❔当，从而为🔍设计带来良🇨🇮好的最终结果💚。总参数1.6🧓🐍T，激🔢活49B👩👧👧🇸🇩泛目录站。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 🇪🇪Gemini 2👉.5 Pro🇱🇰 这样的⏫顶尖商业模型✊，在这类任🐨🤗务上的🤦♂️🇱🇰表现也接近随机☠👂泛目录站猜测的水平🗯。
这种方🇸🇭式不需要事先🇮🇱🖖标注"正确🧘♂️👩👩👧答案长什么样"😣，只需要能🤷♂️🇱🇮判断"答🚧🕘案是好是🥌🇦🇼坏"，因此非常🐊🛒适合复杂的👨👩👦👦↘多步骤任务👬🍊场景🇲🇺🎆。这就是🍎这篇论文要解决😀的问题所在——🇧🇻™不是让AI⛰🅾写一段代码🧼🍾，也不是让🎲AI回答🔌🇹🇫泛目录站一道题，而♒🖼是让AI像一名🙅🇭🇳真正的科研工程师🏐🇱🇨那样，端到端地完🇲🇪😗成整个💏‼机器学习研究的复🦘现与优化流程🐞😠。
1M场👷♀️🎪景下，V4🖼-Pro的🇮🇪🗻单to🇦🇱ken 🎤FLOPs只有V🇹🇰⛵3.2🚦的27%，💌🙅♂️KV cach👨⚕️e只有10%😛。从市场😊🇱🇨角度看⏸🇿🇦，谷歌此次👨👧📷双芯片策略直接🏕回应了AI基础🍶设施成🆚🚀本压力🐱。前期目标🏇🗳是，依托教育和🙃新能源的确定♍🛷性增长完成技术、⛰🏖数据及商🦂🔏业积累，同时将物🗄业场景打💜🛀透；中📪长期目📜标则是，随着垂🇦🇹😐直大模型能💎力成熟，完成🥠❄从“卖硬件设备”🚨向“卖⏳软硬一👨👨👧👧🗯体智能服务”🚱的全面升🏳️🌈级，成为多个🥴🌁垂直细分场🏇景下的具身智能🖥基础设🖥施提供🇬🇪商🇧🇩🏮。
