这篇DS的新作提出了一个 pointwise Generalist RMs的训练框架，仔细读下来有很多的细节可以回味，且该文有很大概率是DS主线上迭代的一篇工作 （从DS-R1 -> R2）, 因为R1其实挖了个坑并没有把通用类的RL给做充分，后续 ...

2025年深秋，我带着摄影器材和徒步装备，独闯福建三明尤溪桂峰村。原本计划拍摄晒秋盛景，却在进山途中遭遇气象台未预警的极端暴雨。车窗外，雨帘如瀑，能见度不足五米，山洪裹挟碎石冲断路基。导航失灵、信号中断，我被迫弃车徒步，泥浆没过小腿，每走一步都像与大地拔河。濒临失温时，一束昏黄灯光刺破雨幕——村口豆腐坊的蔡阿婆收留了我。她递来的姜茶滚烫，炭火烘烤衣物的焦香混着豆花香，让我想起《小王子》里“驯养”的 ...