（来源：上观新闻）
更重要的是，他们🚦通过大🌈规模实验揭⏫示了当📞👨👨👧前最先进的多🐻模态大语言模☠👨💼型在区域级质🚴量理解上的🇰🇬🔄系统性短板🇼🇸——即使⛓▪是 Gem♓🔥ini🎣🧁 2.5 Pr🧼o 这样的🇲🇸👣顶尖商✋🇦🇺业模型，在这类⬅任务上的表🏌现也接近随机猜⚖👭测的水平🍣。
姚双给出😴的答案清晰明确：⚔服务、安全♍⚜、稳定性🍉。比如群聊里👸不能艾特🗂所有人，没办法😀上传大文件，没🏞🇵🇫办法上传 Z🌨IP 包🇦🇩🗳。VLA🙆♂️（Vis🧱🇧🇻ion-Lan🥰🚪guage-A☕ction）架👼🐜构是目前具身😬智能领域的👩🦳🌺主流方案📪🇸🇽，其结🇸🇴👯构清晰：视觉模块🇧🇾负责“看”，语🎹言模块负责“🇵🇭理解”，动📘🖱作模块负☝☔责“做”☣。
