（来源：上观新闻）
研究团队做了🌜🇻🇦一个生动的实验，🔽💐把同样两张图⌨🇲🇺片同时🛒喂给当时👨🌾⏸蜘蛛是怎么形成的最先进🕴🧑的多模态语言🎊模型 Co-🐟Instr🌏🗃uct，并提供了🙋♂️🕷每个区域的名⬛称、描述和边界框🆎坐标，请它🌻🇻🇨回答每个区域的🌃🔀质量情😭况🇦🇪🇳🇵。王昊将其类比为人👸类学习使用筷子🎊🏷：筷子掉了无数🏕次，但每一次🚤👥失败都在调👩⚕️👸整手上🇸🇿的控制，最终形👥成稳定👇的技能🕋👨👧👧。
DC 没有依赖“🏴⛽猜测”👨。但自变量联🥌🏋️♀️合创始人兼CTO❔王昊指出，💵🍪VLA💉的天然缺陷🗳☁蜘蛛是怎么形成的，恰恰藏在🧞♂️这种“分工”里🍗🧔。“我们发现🌌，更好的方法🌻是让 AI 代🇲🇹理解决整🇵🇹🛫个问题🧡🕷，”他🤢🐫说道🚶♀️。这种思路🇬🇺🔣对普通用户意味🧺着什么🇲🇹🖐？以客服机器人为🦈🐜例，如果一🇨🇵家公司发现自🇯🇲己部署的🔌AI助手在处🛍🤘理退换货时经常🇬🇩出错，🎗不需要🏒重新训练整🏈个模型，也不需要🇵🇲从头设计训练方🧱案——只🧣🔫需要收集⚽🖖一批失败记录，跑🥞一遍TR🌇ACE系统🚋🔒，几个小🧵时内就能生成针对🇩🇯👨🦳这家公司业务🐔特点的专项训练，🍧©修补A🐁🌼I在该场景下的↔具体短板🇴🇲。
