（来源：上观新闻）
给定一个 R👺ISC-V EL👛F 文件，🕕🔫该测试平台会在👁🥁被测设备 💂(DUT) 上🎎🏵运行测试🕵️♀️💚程序，并确认设计🇳🇨的架构🧴状态和内存👩❤️👩🎛事务与 Spik🎧e 报告的结🇬🇶果一致🧖♀️。我们观察🚚到一些模型🦂做出了次优的🇰🇾设计选🧀👩💻择，最终需要👝消耗大量令牌才🌷能进行💱🧠优化⚔🇯🇴。对于每一种能力，👩🏴系统会训练一个💫独立的小型适🈶配器（专🚑业名称⏳叫Lo🦜🚈RA适配🚻👥器，可✌🐰以理解为给🇱🇹AI安装的一🗞🏍个专用"🇲🇻技能插件"）🚟🥋。
例如，在某个案🕔🛴例中，当未🔪能满足时🇬🇬序要求时，它最初🇱🇦💶尝试进行重🦙大修改以加深💏👞流水线，而🐉🇧🇳不是寻找更简🚤😕单的解释🏩。在几个🥜对比方法中，直🇨🇨🇧🇱接在目标👩✈️环境里用🐰🐹强化学🔱🐏习训练的模型🤾♂️（GRPO 🦠on 🇪🇭🍾Targ🍷🛬et）能达到37♓.8%，一种👩🦳使用通用合⛪🍻成环境训练的💱ℹ方法（A🐙WM）能达到🇺🇬38.4%，而一🎞😟种通过优👩👩👧👧🕜化系统提示词来🎦🚆植入能力描述🇦🇼🈴的方法（🛎GEPA）✋🇸🇾能达到✡39.👭6%🐧。
