在国内，蛇年春晚成就宇树科技的一夜走红，人形机器人身着红棉袄，手持红手帕，“扭着秧歌”登上了全国观众的客厅大屏。至此，人形机器人迎来了前所未有的“狂欢”。

1. 现有基准难度不足 ：前沿人工智能模型能力的提升，通常依赖于高难度且能够合理评估模型表现的基准的引导与推动。然而，即使是最具代表性的高难度医学基准 MedQA 也正在快速饱和（o1 已经 96 分）-> ...