（来源：上观新闻）
对1M t🗯🦵oken的序列🔌🐪，原本需要a🏌️♀️ttend 1🤚🥋M个token💎，现在只需要🍉🦠atte📳nd 102👰4个压🚊缩块💼🈹。” 从架构层面🌘看，它并非基🌪于 G😎🙍PT-4o 🤢的图像管线修补，🙋🇰🇲而是从🎬零搭建🤰⚔的独立架🐤构，专门为🦒“推理+生📧成”联合🇮🇪优化🚪🎂。研究团👛👩👩👧👦seo队将AI科🙆♂️学家与非层级化💵的简单代理（在🇹🇨🕤Pap🛵erBe🕥🇬🇳nch上🙈对应Ba🚓🚆sicAg⭐ent，在ML🤺E-Benc📑👨👩👦👦h Lite上🇨🇺🌳对应AID🎯❔E）进🆙🇭🇺行比较，⚙发现即使⏰🕎是去掉文👳♀️件即通道机💆♂️制的"残缺🚦🎗版"AI科学家，🇦🇨🚵在PaperB👠✍ench上🗄仍比B🇬🇳asic🏬Agent高出🌴4.74分，在🇦🇩MLE-Ben➿ch Li🍪➕te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👦。
这个思路听起来简🐒单，但🇳🇪实现起来远比🍖🇰🇵表面复杂🧱🐲。这个设计的妙🈷🕰处可以用医学诊断🇦🇫来理解😚💘。研究团🇳🇪队认为，🇭🇺💔自主长周期🤠机器学习研究🎁📏工程本质上是一🍯个**系统协🔦调问题**🇰🇳🔈，而不仅仅是一🐖个**局部🧩🇪🇭推理问题**🗡。但模型越来越深🦚🏔、参数🇩🇯🔫越来越多之后，传🥋👨👨👦统残差开始露🈵怯，信号传😖🐯递不稳，训练🧓🧔容易崩💈。接下来，我们将👨🎨介绍DC🇵🇳🕑构建VerCor🧗♀️🧙♂️e的方法论，🐈🤽♂️包括RTL实现⤴🎯、测试平台实现、🤓◾前端调试、时序收🛴敛优化以及🌲与后端工🗃具的交互🥂🐞。
