（来源：上观新闻）
最大的不确🥀定性在于，你无👥法预判💫Agent会从哪🎦🎠些数据中🇹🇬学习，以及它生成🇸🇷的技能是否🍱包含危险指令🐽🦚。现实任务里最值得💼👩👩👧👧提的是内部R👕&D代码benc🗳hmark，V☘4-Pro-Ma🦷🎳x 67🌝😐%，接近Cla🌋✋ude Op🇬🇶us 4.5的🎌70%🍜🧐。
这些讨Ⓜ🐉论我没有参🐃🇬🇪与，他们在🇬🇫群里商量♒。研究人👩⚕️员指出，预估🧝♂️🇵🇬一道题的难度，根🇨🇵🌏本不需要具备🖖解题能力🆑🌄，就好比一🗽个经验丰🎨Ⓜ富的老师👄一眼就能判断某道🙆♂️🆒题"很多学🌔😗生会错🍑🥵"，即使🍋他自己不亲自🛄🛣去做这道🧒🗞题🙍📿。（2）对🥍🚉 RTL 和时序🍚的理解 我🇮🇱📢们观察到一🕤🇹🇲些模型☀将 Veri🍊🇳🇨log🇧🇹🤦♂️（一种事件驱动语🦴言）视为顺序代码🖍📪进行推理🖇🇸🇯。
对于想要深入了🇲🇫解技术🇻🇮🇸🇾细节的读者，可以🇲🇷🇱🇰通过ar⚖Xiv平台🐆👾，以论文编号ar🇵🇫Xiv:260🍎🇬🇶4.0🐃8865查阅完💂♀️🇨🇨整原文，研究😁团队也已将全部代💜👅码开源✂，地址为gi🕘👈thu👩❤️👩b.com/🥔sustech-📲🎸nlp/🇸🇯SPPO，可🇬🇬🦶以直接获取实验🥞👕脚本和复现所需的🚆🎧配置参数🇸🇽🖍。对于每一种被识别☪👩🦱出来的薄弱能力，🇧🇧🌂系统会自🇰🇲动搭建一😖个专门用于🇪🇬训练这种能👞力的练🇳🇷🦴习场景⚾。
