（来源：上观新闻）
第一种叫ℹ"结构💆♂️🦗化数据👨❤️👨🏳推理"🧬：AI无法正确🌦🍘解读工具返回的复👝杂嵌套数据🥚。Q-Be➡💗nch 等工🔑🐊作侧重8️⃣于单张图像的🥵整体质量分析🚈🇸🇿；DQ495K、🇰🇲🎚MICBench💁♂️ 等工作虽🇸🇭然涉及图像对👨👨👧👦比，但不📵是以区域👨⚕️为核心出发点🔀；Seagul🧞♂️l、QGro👆💩und、Gro🇮🇷🎮unding-I🕦🍓QA 等工作🗳虽然涉及⛄区域级分🦁🐢析，但只针对📋单张图🔮☪像，不🧘♀️🍸支持两🥩☎张图片之👩👩👧👦⛪间的区域级比较🇻🇦🌓。
与更简单🏠🍗代理的🔴对比同🐄🎓样说明了问题🇬🇶🏜。主播中灿也休假停🈁播😋。第三种🦘🏔方法叫合成数据😷SFT，收🏆集每个📠能力练习场景的成🚕功轨迹，然后做监👉👨❤️👨督微调🏄，结果只有37.💾8%🏓。作为人工🚺🇦🇷智能“皇💨👪冠上的明珠✈🗃”，具身👩👩👧👦智能的发🆎😖展备受瞩目😀🇸🇾。王昊将其类比为人🚃类学习🌽🤱使用筷子：筷子掉🚽🇳🇵了无数🏑🚛次，但每👨👨👦👦一次失败都在🧯调整手上🌮的控制，最终💶形成稳定👨🎤的技能🇧🇻🛎。
