（来源：上观新闻）
瑞士苏黎世大学神♑经科学中🧭🧸心的比约🇧🇮恩·拉施（Bjö🏟😤rn Rasc👴h）实🛋验室将🔻这个过🗞程命名为「🐙🔝主动系🎟统巩固」（act🥋ive s🏡yste🔒ms con🚍solida👧💬tio💼🇬🇭n）🦆。---😁💁 Q&🈁🍻A Q1👳🇹🇨：Embodie🇦🇲dMi🥖dtrain📞🦒和普通的机器人V🦍😊LM微调有什👩👩👧👧🏇么区别？ 🈯🔈A：普通微🦜🧷调通常是直接在😺机器人🧖♂️场景数据上继续训🍧练VLM，但实验⬆💷表明这种🏞🌦做法在VL🍯🏊M理解能力测试🦆🇹🇭上可能有提升，却💆♂️未必改善机器人🇧🇫⌚实际操💄作表现🕘🤔。
Claud💃e Sonnet👦-3.7 和🏂😃 Sonn🏌️♀️💬et-4🧛♀️🥧 的预测成本甚至🎏高达任➡务本身成本的🇧🇭🛀 2 倍以上🌎。。但这项研🇹🇱🤣究的数据显示🖥🇳🇦，真正有价值的🦄 AI 协作，恰🧺恰是让你花更多🎏🇩🇰时间、投入更多精⚪力的那种㊗🚘。
在测试里🕣，当被问💮👨👩👦👦到鲍勃·马利的🇧🇦故居是哪一年🐞🧭改建为🆚🦴博物馆时🧗♀️，AI Ove⬆rview 回👩👩👦答说 1987🧟♀️ 年➗⬛。它先读👩👩👧👧取现有记忆👯确认已知信息，然🕒后扫描 KA⬜🤑IROS 的每日🚰日志，重点处理与🎮↩此前认知有⏸偏差的部分：那些🥀🦝跟昨天说🔧⬆的不一😴样的、比🏣之前以为的👨🦱更复杂的记忆，🕵️♀️会优先记🕌🌺下来🧞♀️⌨。
