（来源：上观新闻）
此前表现相对较🛬🧯好的"迭代代📮理"系统（I🧴terat🇰🇬ive🔟🇼🇸Agen🚎🈵t）在🤠8️⃣Gemini-3🇳🇷⌨-Flash下🆎每个任务平均花费♐💒27.44🇰🇿⏲美元，💴而AI科🈸💁学家只需15🔀.67美元，却能⏩取得更高的分👕🥈数😶。因为物理👕🌈规律在不📯📈同环境中是一致🇱🇷🤨的，WALL-B🏇进入任何一个👓🛄从未去过🍠的家庭，都🌭能利用对🚠物理常识🇦🇫的理解来🏮应对新场🈂👨👩👦👦景，不需要重新🅱🇮🇱训练👯♂️。
DC 在将自身集📳🧛♀️成到新的代码库或🎢🇯🇵接收用户提🇧🇬☮供的需求🎊🐗时会利用这🤦♂️🇺🇳部分内🇲🇾🇨🇫存💾。性能方面，S👴🤛PPO不🕟仅没有损失，🤲😤在1.🗿5B和7B🚖⤵两种规模的🦋模型上，SP🐸🐫PO的综合平均👨🦳🎊分都略高于G👃😲RPO（N=🇧🇫8）🔞🇯🇪。（3）🌇规范要求 我们发⭕💨现，提供给 D🍞C 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💞。
