（来源：上观新闻）
这就像游戏里刷了🇬🇪📭一堆装🐠备扔在仓库里🔝，看着富得流🇰🇲油，可玩家连背😅🗣包入口都🍁🇲🇭找不到🎶💶。或许，一个从不睡🈂🛑觉的 AI，📬📉不是更强的🇾🇪🇮🇹 AI😫📹。发现四：人类觉❇得难的，🇬🇳♋Agent 🏟不一定觉得▶贵——难度感©知完全错位♨ 你可能🐆会想：那🥳🕧至少我可🙃以根据🤓🇵🇰任务的🚣难易程度来🇮🇲🍛预估成本😂吧？ 论文找来人🧨蜘蛛异形类专家，对 50🇸🇩🥯0 个任务的难度🌜👙进行评分，然后🏸⛎和 Age🧞♂️nt 💈的实际 Tok🐅💤en 消耗做🧱对比—— 结果：📖两者之间只有弱相⛅🏑关🥪。
Emb🥮🧯odiedMi🚨🇦🇺dtra📲in不使🔼🧞♂️用机器人场景数⛲🥵据微调VL🕢9️⃣M，而是从🇪🇸VLM👲原有的海量训练数🇨🇦据中筛选出🌿与机器人任务"🕒世界观"更接近的👏子集，用这🎚⚔蜘蛛异形个精选🇬🇲子集对🇺🇾🍐VLM进行👰过渡训练，让它👩🚀🗜在进入机🐾✏器人专🐲🐕项训练前就具🧀备更好的基础🇫🇴状态🌚。第三重身份，是🕖资本视🐩野下的“🛵🌸具身智能基础设🅿施”🕶🈴。（来源🎏🍂：Nature 🥐Electr💻onics）🛰 相关论文以《面🍝向神经形态图像传🈚感器的单二👃极管集成光🎉蜘蛛异形感知、😦🏐记忆与处理👾功能器件🚛💃》（A✊ sin🍱🇧🇷gle🈲🏪 di🗳💪ode wi🕢th integ📭🇫🇯rated ph❤🐓otose🖊nsing,👻 mem🇲🇬🕯ory and 🇾🇪🚩proces📎🔝sin🤘g for n🇸🇱eurom🐃👵orphi👳♀️c image👱♀️👨 sens💯ors）🇲🇭蜘蛛异形为题发表在 N🔌🇲🇵ature📖 Elect🐆ronics[1🔇]🔪🕑。
