2026年9月12日

Chen Yuxi Ungkap Rahasia Berat Badan Stabil Selama 5 Tahun: “Asal Tidak Sampai Mati Kelaparan”

Pada 30 Januari, juara Olimpiade cabang loncat indah Chen Yuxi berbagi kisah di balik berat badannya...

Pada 30 Januari, juara Olimpiade cabang loncat indah Chen Yuxi berbagi kisah di balik berat badannya yang nyaris tak berubah selama lima tahun, dalam wawancara bersama CCTV. Dalam dunia loncat indah, setiap gram berat badan memengaruhi rotasi di udara dan kualitas masuk air, dan Chen menjaga keseimbangan ini dengan disiplin yang nyaris ekstrem.

Reporter menyebut Chen hampir selalu menjadi atlet pertama yang masuk arena latihan setiap pagi, dengan tiga sesi latihan pagi setiap pekan. Meski usia bertambah dan pesaing muda terus bermunculan, kedisiplinannya tetap menjadi ciri utama.

Pelatih Yu Xiaoling mengungkapkan bahwa Chen sangat ketat mengontrol porsi makan. Setiap suapan diperhitungkan, bahkan setelah latihan malam hari, ia kerap menolak tambahan makanan. Yang lebih mengejutkan, Chen selalu membawa timbangan—menimbang berat badan sebelum latihan, setelah makan, dan kembali di kamar.

Chen mengatakan masa tersulit terjadi menjelang Olimpiade Tokyo 2021, saat rasa lapar menjadi hal biasa. “Kalau berat badan naik, gerakan bisa gagal. Tapi kalau makan terlalu sedikit, tubuh tidak punya tenaga,” ujarnya.

Saat ditanya seberapa ekstrem pengendalian dirinya, Chen menjawab sambil tersenyum, “Yang penting tidak sampai mati kelaparan.”
Ia juga mengakui bahwa ketika sangat haus, ia hanya meneguk sedikit air, berkumur, lalu memuntahkannya.

Pernyataan ini memicu reaksi luas dari publik. Banyak yang menilai bahwa prestasi kelas dunia tak lepas dari disiplin ekstrem. Seperti komentar warganet, timbangan yang selalu dibawa Chen bukan sekadar alat ukur berat badan, melainkan simbol tekad dan jiwa seorang juara.

接著讀

ByteDance Luncurkan GR-3: “Otak” Robot Serbaguna yang Belajar Tugas Baru dengan Data Minimal dan Ahli Manipulasi Benda Fleksibel

Pada 22 Juli, tim Seed ByteDance memperkenalkan GR-3, model Vision-Language-Action (VLA) generasi baru. Berbeda dari sistem sebelumnya yang butuh dataset trajektori robot masif, GR-3 dapat di-fine-tune secara efisien ke tugas baru atau objek tak dikenal hanya dengan sedikit demonstrasi manusia. Ia memahami perintah abstrak dalam bahasa alami dan mahir memanipulasi objek lunak.

417 天前