（来源：上观新闻）
” 当前主🚆🎯流机器人，本质☹3️⃣上是“命令行🔂👩❤️👩机器人”🔨🏃或“遥控机🇹🇻🦋器人”💻🏬。Q3：标准P😷🚜PO在推理⚽训练中☎为什么会失👫🇧🇲败，具体👃🦂是哪里出0️⃣👯♂️了问题？ A：标👩❤️👩💶准PPO失败的↪✅核心原因是🛒👅"尾部🐰效应"——其内🇧🇱🇻🇨置的打分🔳员（Cr🔸🕑itic）👁🇸🇱无法在几千步💒的推理过程👸中有效🙄分配奖惩信号，而🇬🇳是一直等到推理🇮🇹👩⚕️接近结尾才根据♎🚬最后几行文字猜测🚵♀️🐬结果，🔢导致整个中🇲🇰间推理过程既收不➰🇵🇷到有效激🇮🇲🚚励，也收不到有效💜👩👩👧👧惩罚🎲💲。
默认配🇲🇼🇫🇰置使用 DINO🏃v2（小型♦版本，💡ViT☺-s，384🛌📍维特征），研究团🧰队还测试了 DI⛽🇳🇪NOv2😼💐（基础🛋🏝版本，ViT-🕺b，768维🛰🥪特征）和 S😠🌎igLIP（👂768🏂🍢维）的效🈴🔹果🦐🇪🇸。其实最近大家在聊2️⃣💢 Harnes👨👩👧👦s Eng🦈ineering🌩😴 的时候，肯🌮🚄定会聊到 Mul🇾🇹🕺ti-A❄🔧gent，为🤮什么 Mu🦃👩🎓lti-A🇹🇨gen🧜♀️*️⃣t 这🦢么重要？ ⬛🇹🇲这个概念两年🇯🇲🥦蜘蛛爬身上怎么办前就有了，那会🇹🇲儿我不太看好💛。
AI必须自己去😅猜测究竟是哪一个✖行为导致了🔻👨👩👦👦最终的失败，🇷🇼而当一个任🗳务需要完😾成十几个🤷♂️步骤时，这种🤰♑猜测几乎无从🛫下手🐺🍯。压缩率m’=🎨➗128，每1✉28个toke🏖🖊n压成一个🕙✉。姚双表示，初创期🏌😄需要耐心度过3—😅📥6个月的启🇲🇲动期，不能期🔂待立刻获得🤳稳定收入💶🧠。在C2的背后，🙌是整个机器人行⌨业正在经💹🇰🇼历的，一次🚮⚓从工厂到日常🚠🐮的转向💮。
