（来源：上观新闻）
3. 🍣👯♂️与世界🎇交互并自我进🕕化 这是WUM👒架构与所🇧🇮有VLA模型最根🚑🇵🇭本的区别😺🇸🇳。那结果会怎7️⃣👆样呢🍛。在20个不同🇸🇸的论文复🎣现任务中，几乎每🇬🇮🎯一个任务🇱🇰🐨上AI科学家都🚒有明显提升，其🥗中最显著的一个任🎓务（pinn）在🦒📹GLM-5下🇲🇱提升了3🌶2.9🇲🇻🌉9分🐔。这是一种🉐内生的空间感知能🍮👨👩👦👦力，而非通🇮🇸💄过外部测量或建🕋🎗模获得🧛♂️👺。拆任务、派活🚛、盯进🇫🇷度、验收👨🚀结果，都是它在🐋🇪🇺管💐👨🍳。提示词： 设计🔖🚴一张日料🦵店的菜单海报，包🥡🧦含店名‘椿·旬⭐料理’，🐮🛢至少三道菜品：😯🤖三文鱼腩💾刺身、📂🇰🇿特选寿司拼盘、🚕🤘纯米大吟酿，价✔👩💼格用人民币符号🕰。
论文中，Deep🛬👠Seek表示： 🇫🇷👡DeepSee🌝k-V4-🍊Pro-Max在🇫🇲🕕标准推理📵🇮🇸benchmar👩🏭k上优于GPT🔅-5.2和⬜Gem👨👨👦👦ini🚎🚞-3.0-P🗾🔐ro，但略🔅落后于GP🤕T-5.4和Ge⌨mini-📝3.1🤫🏣-Pro🚔🧝♂️。GEPA则🥫在较早的阶段🔝就趋于平缓，🌂🇧🇻最终停留在🏃♀️39.6%🤳。于是，他们又讨论🔓🛰用国内的镜🏡🥀像站，最🔩后解决了问题🇪🇷。
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🤽♂️🛏。相比之下🥳，直接在目标🕋🚑场景里👨👩👦👦进行GRPO训😓练的曲线显得波🌽动起伏，甚至在3🇵🇦840轮次🕶👩🎓时出现了下🥈滑（从37.8%🇰🇵跌到35🇩🇴🚿.4%），🌽👛最终停留📫↕在37.8%🌺🕕。
