（来源：上观新闻）
研究团队还🇸🇨测试了两个🦇👳♀️基线方法作为参😓照：线性🇰🇬☎探针（在 🇹🇩DINOv2👩🦰🍼 特征上直接套🗣一层线性分👣🍖类器）和注意力探🍛👱针（在 DI🏃🇳🇺NOv2 特🕊征上套一个带交叉👑🕸注意力的🐢📛 Tran😥🇮🇳sformer🛅 模块）😠。每个"技能插件🔗"只更新整个模🔛🇸🇻型约5.3🕍%的参数，非常😡轻量，训练效🐐🛅率高🇬🇬🐮。这个任务远比🚷🇮🇴"理解复杂推理过🏂程"简单得多🤘。
而这件☣🕑事，正在以🇫🇯肉眼可见的👩👩👧速度推进： 在😐🛥今天的半💦💚导体制造领🦆🧵域，根据研🤦♂️🚺精毕智研🇸🇱🇱🇹究院的数据，单🎻💙台机器人每🌵🍶年可为企业节省4🧣🇸🇽5万元人力⛹️♀️免费域名成本，同🦝👩👩👧👦时将产品不良💏率降低1😃8%；🕞 Figu🤠🍂re AI的第🏇🇹🇲二代机器人已🇬🇱经进入🇵🇬宝马工厂👁️🗨️协助汽👯♂️车组装㊗；Agili👩🔧🎀ty Ro❔bot♓ics的Dig🇹🇳🔭it则在🕉📲GXO L🎄ogistic⌛s的仓库里，完✝👨👩👦👦成了超🧺过10万箱货物的🇹🇳搬运测试....🔗.. 是的🔨，在工厂和仓库里🗞🇻🇮，机器人确实在🆘把效率推向新🤢🚵的高度🧷👷♀️。这组数🇻🇬🗼据背后🍂的逻辑是🇲🇶：当训练🕕🥵场景与目标场景完👣全一致（即直📰接在目标场景🕷上做GRPO🍀）时，模型👩🎨很容易陷入🌻🇬🇦过拟合或训练不💟稳定的状态🤒4️⃣——它👟👨⚖️学到的可能是🗄🚓特定题🚪👇目的答案，而非♐⚛通用的能力；而😐TRACE的练习🇺🇬🇻🇨场景经过👨👧👴专门设🤒🦘计，每道题➿都由随机🦒🦵种子程🧰序生成，变📍🇸🇰化无穷🥴，AI练的是"能🎅⚔力本身"而非"🇲🇵特定题目"，因🏩此能够随着🇭🇷训练轮次的🇧🇮🕝增加持续稳步🗺🕥提升🐶。
