（来源：上观新闻）
VLA（Vis👨🔬🇮🇨ion😓-Lang🚴♀️❄uage-🧟♂️Action♌）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”🎽🧤。研究团♥队认为，自🎙🛋主长周期机器学😎习研究🦄🚢工程本质🤥上是一个**系统🎧🛢协调问题**🏔🚫，而不仅仅是一‼个**局部推🇲🇰理问题**🇩🇲。而真实家庭数据，🐂🏺才是模型😒🖕学会在😡不确定环境中生😍存的关😜键🤸♀️。DC 必须能够在🦙遵循用户指令的前🤱🎀提下探索🍵👩👩👧这一空间🌞⏲，以实现最佳👩🚒⛎性能🇲🇭🎊。
大部分多智能体系🇲🇳统（也就是由多个🗯⏯AI代理协🇼🇸🧥作完成🇱🇮任务的系统）依🇪🇨ℹ赖的是🛑"对话接👛🤯力"：一个AI完🐊🇩🇲成一段🦴工作后，把结🌰论用语言描述给🎞🇱🇾下一个AI，下一🕣🙇♀️个AI基🇲🇰于这段描⛹述继续工作🌩。在论文的最后，D🕑eep📕Seek也🦚表示： 为了追🥃🗑求极致的🔼🇻🇬长文效率，V🧵🇫🇴4系列采取🗺了一个相对🤽♂️☣激进的架🔱🚐构设计🇿🇲🗞。85人的内⛽部开发🐆💷者调研里，9♒1%表示V🇧🇪4-Pr🈯🦀o可以作为主🍷力cod🐡ing模型🇬🇫🏨。
