（来源：上观新闻）
现在我想的是🍑把团队所🌞有人都拉进一个群📡🧀，每个人🈺🇦🇲的虾也都🦞进来🌤。"赌博机"这🇵🇪个比喻很直🧁观：你走进一家🇮🇪赌场，面前有☸一排老虎机（每台🗿🥴代表一❌🇺🇲道题），📀💕你拉一次🕳摇臂（生🎥👫成一个😾🧴完整答案）🕗⚗，立刻得到一个🇫🇯结果（正确或错🌬🦉误），然后🇪🇪🇿🇦你根据这个结果🧥😱决定下次对💧🏄♀️这台老虎机是否继😌续拉💥🥏。2、DC 执行的🚋☹步骤 图🔅🐃 3 展示⏭了 DC 构建🦖 Ve🔢rCore 的步🙎🐞骤🚺。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⁉🇧🇮GRPO）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🍫是特定题🈚目的答案，🏏而非通用的能🤹♀️😷力；而TR🚍☪ACE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🦜。
在Tool👨🎨🇰🇷SandBo📂🇵🇷x上，系统识☑别出了两种👲关键能力薄👇🐭弱点🚈。内存无限期🚻存在，并🤷♀️完全自主管理📀。第二是安🖍📘全性，😂🍡第三是稳定🈯🥾性💈。DC 在 🌆12 小时🚾内完全自主地构📶🦗建了多个 R🖼🎅ISC-V CP🏗U 的🌞微架构变体🥰🔋（我们称之为“⏏Ver🚰Core”🎊），这些变体👫均满足🎥 1.48 GH🇻🇺📄z 的6️⃣时序要求，而🥬⛑其设计需求文档仅🇨🇱有 219 个🎞字🇦🇹。知识类和最前沿的💋推理任务仍💘有3-👩💼6个月的gap🇦🇿😋。
一如既往🥦，我们🇷🇴始终坚⚪持长期主义和全民🥣🈵开源👨❤️💋👨。从实际影响来🇱🇹🇩🇴看，这项研究降低🌄🛑了训练高质量⚱🇭🇷推理AI的3️⃣门槛🌥。未来三年🇧🇪，具身智能研究🇳🇴院聚焦🏨两件事：第一🎏，补足具身智📒🈸能产业链🥁短板，虽然汇博⛅🚳机器人能自研🤲关节，但具身😞智能还需要极高🙅♂️精度的灵巧手🛴、执行器、触觉传👨⚖️🥃感器等😡🇯🇵。
