（来源：上观新闻）
如果你关注过具身🏌智能领域的新⛓闻，可能听过🇬🇲这个名⬆字🕸。该公司于201🇹🇰2年上市，但一😤👾直在亏损，到2🏐014年累计债务🚩已超过1🇶🇦4亿美元💅👩💼。与已经被大📡🥝厂产品🧞♂️化的各类Cl6️⃣aw工具相比❇🏓，Hermes离🎼开箱即🇪🇭⤴用还有明显距离⛪◻。比如用🧞♂️🥥户想订一张下🕯午两点🐤以后的🔍经济舱机👝🏦票，查询工具🕑🍞返回了🥥🏤各舱位的票价数组⛄，AI却读💀错了哪个数字🔛对应经济舱，导🚦⏹致反复🦎😺支付失败🕵️♀️。**二🐛♦、新思路登场🐀💄：把图像对比🇦🇫变成一张"关系图🤣🧜♂️谱"*🇱🇹* 针对上8️⃣👚述问题，研究团👩✈️🅿队提出的核心解决🌺☀方案，是把🕺两张图片之💄间的质量对比关🤰系，用一种结构👑化的图谱👡来表示🚂🇲🇴——这就是🕖🇼🇫失真图🌦🍟（DG）的本质👤💎。一些细节微调包👀🏌️♀️括，affin🚵ity sc👂🎼ore的激活函🐙📜数从Sigm🇮🇪oid换成了Sq🦢🏨rt(So👲ftplus(·🍈))，去🏄掉了rou😙ting🔲🇧🇦geo优化 tar🌆♋get🧳🧝♀️ nodes的🕔数量约束，前几🦂👨🏭层den🍁se 🤘FFN换成了用H📈ash r🦒👨🔧outing🐞🥝的MoE层🏨。
四、"合并技🌏能"为💢什么反而不如"按🕗🥞需切换"：一🇩🇬个反直觉的发⭐ℹ现 在🇩🇪设计TRACE系❔♎统时，研究🇵🇭团队面对了一个📧⏳直觉上很自然的🍝🧶问题：既🎐然要训练多🔎📠种能力，为什👩⚖️么不把它们都整合⛹️♀️🇬🇸进同一个🚥🇵🇳模型，而🚄要保留多个独立的🖥插件并在🐀🎈使用时动🦖🤤态切换？ 这个🍼问题的答案可🈸以用一🇷🇸🧙♂️个厨师的比🇹🇨喻来理解🏣。从训练轮次的角度🇮🇩☀看，以τ🐵🚁?-Be🛒nch🔎👉为例，✅TRA🇲🇿CE在不断增加训🗄👝练轮次时通过率💃✂持续稳定上🍤geo优化升，从0轮次的3🦅2.9🚜🇪🇹%一路攀🇹🇿🔨升到5🇨🇬🇭🇰geo优化120🥂🔷轮次时的47👆3️⃣.0%，曲🈶线几乎🍏是一条👩❤️👩平滑向🥂上的折线🌝。
