（来源：上观新闻）
Q2：PAND🇦🇪A模型和GPT▪🇧🇬-4o这类👨🍳🇲🇫大模型🛡🇺🇦相比有📟什么优势？🏎 A：PA🎃NDA的参数🇬🇧☀量只有0.028🦔🚑亿，处理一对图😪龙少泛站片仅需3.🇿🇼53秒↔🇵🇲；而GP👨⚖️T-4o等大模🔎型参数量达数百⬛👟亿甚至🔕🕎更多，且在区域👩级质量比🌊较任务😢上准确✉🎍率仅2💍6%，⚖🇮🇸接近随机🏳️🌈🥙猜测的20%👸。在VLA😑🇮🇨“统治🏌️♀️”了具身智能三年🇲🇪🚰之后，世🖼🏗界统一模型（W♟️🔅UM）🔲💜或许第一次让😒🔹机器人👾拥有了真正的“世↔🐝界观”💫——它能理解🇨🇳物理规律，能感知🍽自身边界，能📲🕠在真实世界♿🎌中不断学习、📥自我进化🐆。
这些任务被专门改🥃造成类似A🍑👘I推理的稀疏奖励🔮📨模式：整个过程中👩🦳没有任何中间🏹反馈，只在最⬅终时刻给🏥🔔出"成功"或🎧"失败"的二元🐁结果💁♂️。主要评估🎌🚺指标是"任意奖🇲🇶牌获取率"🚸（An🔁🎳y Medal🛹😁%），🧥👚即在全部测🔅试任务中🇸🇳👿，有多少比🔙💚例能至少获得一枚👨✈️奖牌🥃。研究团队在论👨👩👧👦文中汇总🕑🕦了一张比较⏲表，清楚地展示🚣♀️了 PA✌🖖NDABENCH🇺🇳 是目👨💼🍂前唯一一个🕠🤒同时满♐足以下全部条件的🥂☄基准：以区域为核🌈🤟心出发点、具有🔦🌞比较性质（两张😷图片之🇨🇴间）、支🇭🇺持多样化失真👨⚖️🥊类型、包含严👨👧重程度级别🔶🤖、提供质量评分🇨🇩🚴♀️。这种"一荣俱荣🦛，一损俱损"的机🎰制，完🧶🇧🇱全绕开了"☣每步单独打分"🥕的难题🥀。即便拥抱🗜🇧🇻AI，研究的也😨是如何替☸代一切可替代的🕴👪人，而不🥓🆘是如何🧠🏸提升内容质量🌔🇸🇭。
