（来源：上观新闻）
GRPO◻因为每🇰🇼道题都需🈲要生成8个答案⤵🏋，训练进🔳程推进得很🗯慢🇧🇷🤗。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🎆。所以，我觉得🗃🤞 Kimi 这🤷♂️🇯🇵件事不🎷🐉是做一个 Age⏯nt 工具，♋🗨它在试图定义 A🦑🇰🇪gent🐨 时代🍖⛅的交互范🙎♂️🇺🇬式🗄🌩。这意味着🛹，它不需🏁🇺🇸要工程🚴🇱🇸新站做泛目录师重新训练、🇲🇱不需要人工👩注入新数据、不🇸🇪🏕需要返回实👚🌹验室🇪🇦。
研究团队还测👩🦰试了两个基🚍🏩线方法作🛒🇦🇫为参照：线性🔓🚴探针（在 D🔟🕐INOv2☄ 特征上📭新站做泛目录直接套一层线🚖7️⃣性分类器）和🏴☠️🍷注意力探针（在🇭🇷 DINOv2 💯特征上套一🏫🏚个带交叉注意力😘的 T🔩ransform🇹🇱🇸🇱er 模块）🌉🦹♂️。
