天美乌鸦糖心mv

粗略看了下技术报告，主要还是坐实了纯搁尝才是符合尝尝惭自身进化的方向，前期靠人工设计颁翱罢的辞1，有人类干预其实是符合人类自身，但不符合尝尝惭自身。

羊毛始终还得出在羊身上 他们是用o3的一个早期检查点，针对本次IOI比赛继续RL的，也坐实ds是自己探索出了o3的训练方式，那效果为什么没o3好，很可能o3是基于o1来的，左脚踩右脚升天这事儿很常见（详见一系列合成数据集***T的表现），而且纯RL后的泛化性也在报告中得到了验证。

今年后…。