Dexmal DW0.5把機器人後訓練搬進可學習的虛擬試錯場。本文整理已核驗事實，以及它為何不只是單一發布消息。
事件進展
Dexmal DW0.5 把機器人後訓練搬進可學習的虛擬試錯場. 可以核驗的重點包括:
- DFOL 2.0 loop with DM0.5 candidate actions
- reported 60% lower real-robot data demand
- reported 40% lower training cost
- Apache-2.0 weights and code with RobotWin limits
為何重要
Dexmal DW0.5不只是產品或公司消息。這些事實指向AI部署、治理、資料、成本、安全或市場准入上的更大變化。後續要看的問題是：whether open-source users can reproduce the value estimates and real-task gains。
目前判斷仍以公開材料與報導為邊界，下一步要看外部使用者、客戶、開發者或法院能否在真實場景中驗證。
參考來源：QuantumBit, Dexmal GitHub, Hugging Face, Pandaily, CocoLoop.