（来源：上观新闻）
它只优化2D参🌤🛂数矩阵🐕🏛，其他参数（🤣⛱embe🚪ddi🌱ng、pre🎫dict🚿ion head🇲🇳🥺、RMSNorm🍀🍇权重、mHC📨的静态偏置等🥩）还是走A🦚💠dam🇳🇿W❗。它的思路是直接扔➡掉那个😿不靠谱的打分员🧙♀️，改用一种"🤴🔃横向比较"🇲🇴的方式🤷♂️：对同一道题，😫👨⚖️让AI🌠🎦同时生成一📡蜘蛛是怎么形成的批答案（通常是8🤟个），然后以这批🇧🇭🛹答案的平均得分👩👧👧⤴作为基准♣🇲🇻，那些比平🔻均水平好🧦🎖的答案就得到奖励🎦，差的就受到惩罚👨🦲。
目前，我🧿个人觉得🐵在产品开发上，🇧🇱Kimi的整体表🏉🎑现很不错，我现🐁在很多大模型用的💀🇵🇹都是Kim🐰i🚫🇷🇴。但自变😍🔡量联合🇬🇷🎙创始人🦖兼CTO王昊指🇱🇰🌺出，VLA🎬🕘的天然缺陷，恰🇹🇳恰藏在这种“分工🌄”里🏭🧂。训练调度上☺🇨🇺，序列长🇪🇬🔳度走四段，4🔬🧂K →🥅 16K📈 → 64🤵🐜K → 💱1M🕜⛑。未来三🚶♀️🇦🇬年，具身智能研究🦡院聚焦🧛♀️两件事：第一，补🚔🍦足具身智能产业🇳🇴🌯链短板，虽🚝👘然汇博机器人能🧲自研关节，但具🏞身智能🐴还需要极高⭐👭精度的♥🇨🇦灵巧手、🚞♾️执行器、触觉⏸👨🚒传感器等💉🔶。
