（来源：上观新闻）
V4还引入🌎🚌了三档🇨🇱rea🇩🇰1️⃣soning e👨🦰🍢ffort mo🆑🌒de，No🇪🇷🥓n-think⚔、Thin🚇k Hi🍻gh、T🚰hink Ma☘🚇x，每档💂输出长度不同🍈👊。更致命的🇲🇦🇱🇧是，VLA🐁只能“模仿”🇮🇪🦗训练数据🍃‼中的轨迹，它🔮🇳🇱不理解杯子🏩🚍为什么会掉，也🧖♀️不理解为什么🆗盘子悬在桌🤞☀边需要推回去♿🚔。
一张图片可能在🚄📊整体上看起🖼🇦🇪来不错，但🇰🇬seo是什么简称放大某个角🛥🖥落却发现人脸模📟糊；另一张图片🚭天空部😣⏬分清晰锐利，🔯🦶但前景中的📏🎈人物却被过度锐👻🥀化，显得🇹🇰不自然🥜👩🎓。因为V4把h🛠🎒ead dim🕎🥩ension c🦒设成了512（比👩🍳👩🍳V3.2的121️⃣🔶8大得多），如果🇦🇿☎直接把所有🕑head的输出🇲🇳🌒投影回d维会很🔇👩💼贵，所以做了🇹🇴分组投影，把📲n_h个🥣head分成g组😫🐫，每组先投影到一👩个中间维度d🇧🇼_g，最后再合🍈并投影回d🇺🇸🎭。
研究提出了🕖☔一个名🇬🇼🥋为TRACE的系👨👧🦝统，全称是"T🥄😢urning R👩🍳ecurren👩👧👦t Agent 🚍failure☦s in🍠🙀to Capa↕🛢bility-t🖱arg⛷🐩eted🌰⚙ trainin🇦🇪g Envir😫Ⓜonments"🦍😧，中文可以理解🍬为"把反复出现的🚽👨⚖️失败转化🕠为针对性训练🍝环境"🆕。
