（来源：上观新闻）
（4）正🍼😒确性与验证 👢在出货量达数🛄百万颗芯片时，“🇪🇸⛄凭感觉设计芯🍤📈片”是行不通的🕶😾。过去的图像生成👨👨👧模型，本🚾🕧质是“黑箱抽🇬🇹🎖卡”：输入一🚆🐇sem投放句英文，模👤👦型直接吐出一张🈲❇图⌨☣。DC 必须🇸🇾🇸🇰能够在😳消耗数百亿个令牌🇧🇼🧝♀️的情况🇰🇵下， 朝🈺🇻🇳着目标——功能正🍄😊确、高性能的设🙇♀️👗计——不断🔺前进🍤。此前的👩✈️🇩🇰人工智🥡能芯片设计🇱🇻🚙案例仅展示🗼了部分🙉🏟设计，而没🔽📻有展示完整的🥺◻核心📭🔲。但如果能拆出多个🍹🈚 Agent，🇹🇨分叉的时候🇫🇮让子 Ag🕤💶sem投放ent 各自〰📀探索不同方向，🏜流水线⚾🔹的时候让不同 👨🏫👩🏫Agent 负🔛责不同环节，主🇹🇰🐮 Agent 🕙管总方向，🦸♂️💓整个执行过📖🥝程就会更快，也会🧶👩🔬更稳🚢。
两者共同作用，使🇬🇱🇨🇴系统能在几十小时👨🎤🎟内持续有效地推🌻进工作👅。“一个人一杯水👩👦一顿饭，吃饱喝足🇲🇵🏺就能好好创🔖作🔇🛀。这个难度设定⏸📸是为了配合后续🔠的强化学🍹习训练机制🎠。你不可能亲😸自去工地搬🅿🛤砖、测量、焊⚡🚶♀️接，但你需🔬🇧🇻sem投放要知道每栋楼盖到♊什么阶🌯段了，下一步应该🈷⏯安排哪个专业👨👨👦👦队进场📞。AI科学家在🎌使用G🇳🇿🦛emini🌌-3-Flas😇🇧🇴h作为🏋️♀️🐩底层语言💇♂️🐑模型时，平均🎡得分达🇲🇼到30.🌦52分⛈🐑，比同🛣条件下最⛹🇮🇷强的基👷♀️线系统高出9⭐👩👩👧.92🥛分；使用🤮❌GLM-5时，💟🔹平均得分达到💈🇫🇮33.73分⁉，比最🐳强基线高出🏫🏚11.15分👩👩👧。
