（来源：上观新闻）
。这项由🌪北京大学👾与波士顿大🇰🇲🚦学联合开展的研究⚜，以预印本形🇳🇫🐆式发布于2026📭👩❤️💋👩年4月1🎽🧫9日，论🇬🇬👳♀️文编号为arXi🔐🧚♀️v:2604.🇨🇽1747🤤2，有兴趣深入💗了解技术细节🥀🚀的读者7️⃣可通过该编号在a👩❤️💋👩rXiv平台查🇬🇵阅完整论文🇱🇧©。但这套方法也有💥局限，报🛏告中提到🧪这类方式有三部分🇳🇺👩🦳的局限🐱。
从训练到推理，🛵全流程🧤🧲跑通📚。智能体爆火之🐁后，一个任务可能💂♀️不是调用模型🙋♂️👈一次，而是🔢几十次、🤮上百次🇵🇦👨🦰地调用模型🐳📏，持续进🎯行规划、搜🇱🇻🐻索、写代码、💚🈷读文件📶、调用工具和反思🇽🇰🧚♀️重试💶。其核心性能由Ap🏚🇮🇹ple M2和*️⃣🇪🇹专门处理传感🛣🏴器数据的R🎆🇸🇻1双芯🆗🐧片组合👨🦱驱动，配合🇲🇴12个摄像头🇷🇺、5个传感器🇲🇰👨👧👧和6个麦⏺💂♀️克风，实现了低至😢12毫秒的响应速🤾♀️🥐度，几乎消除了延📘迟感🇨🇴🚒。
这位"开放🅾🇨🇺"的捍卫🇸🇮📒者，自己的公🏈🦹♀️司在利🇨🇦🦉用Ope🚶nAI的闭源模型🇵🇲🇿🇼输出来训练🇧🇪竞争产🤱🌂品🐂。UniMes😭h在CLI🧾😫tms物流管理平台P图文🎖🌈相似度上取🐴🐢得了0.296🐙的成绩，超过了对🥠比方法中的所有竞😵争者，包括Ins🤦♂️🎰tantMesh🌄（0.272⛲）、LG⛱M（0.266💵🔢）、GRM（0.🍬💳268）🇸🇪、Flex3D🇲🇦🕗tms物流管理平台（0.🛠277🏇🧳）等☣。
