（来源：上观新闻）
**一个让机器人🍺"上岗"更顺💴😁畅的关键难💺🇰🇼题** 教😃🌌会机器人🐥做事，🏫🚶♀️泛seo听起来应该和教人🧽🖐差不多—🍍—先打好基础👿😐，再专门🙇♀️训练🚯。一个典🗜型的高分样本来🐇🕣自RefSpa🗣🦁tial，内🚬🧔容是这◾样的：😄🐒"你站在🀄🌴坐标（0.878🇨🇾, 0.780）🧻这个点上，正前🐕🌉方是什📲🕡么？答：🔡🎄右下角那辆白色⛸哑光卡车🚿。
它拦住了🥙💐你的第💓📞一反应，逼你👯绕远路⁉🏍。在Calvi🥃⚙n上，🚟⬆中间训练后的1.🦒1B模型📚以3.714的🏨📿泛seo平均得👮🚬分超越了Ope🔸🇲🇻nVLA（2.🗜548）和π0🗃（3.5🕍🛑09），与1.7🕋🛡B的Kos🈳🤰Mos-2（3◻.096）、㊗2.9B😰的Paligem🧾🇧🇦ma-🥿1（3.50🎱6）、3.0B👰的Pal🏫igemm🎩🇻🇺a-2⏲🀄（3.406🍲）形成显著优势🤼♀️🛴，与2.🌴💇泛seo1B的Q🗨🇿🇼wen3VL-🔀🔩泛seo2B（在全量🛵🇨🇳训练数🖋🇨🇰据下达到4.1♦42）的差🏳️🌈距也大幅缩小🧸。
训练时批🐱🐉量大小👩👩👦128，通常在🚥75到100🚖🚛步内就完🔲成（提😣前停止条件👤🇵🇬是验证集准👭确率达到↗🏮90%），计算🇧🇼代价极低🎱。字节跳动火🎺山引擎负责人谭🇰🇮⚔待之前在🗄接受采☀🇸🇴访时曾经谈到大⛽模型定价问题🧮，在他看来，🧩涨价只是部分厂🌐商的市场行为🕝🦷，行业内📨同样有厂商在😜推进降🐼🎣价，核心分歧在➡于对Token💛（词元）😦价值的判断逻🇰🇿辑🏋️♀️。发现五：连🕖模型自🗳🇸🇩己都算不准自👱己要花多少🇵🇷钱 既然人算不🚤准，那⚖😋让 AI 自己来🎩预测呢？ 研📭🇬🇩究者设计⤴📘了一个〽精巧的实验：让👨👩👧👦 Agen💖t 在🔳真正开始🤫修 Bug 之前🔢🇬🇾，先“ in🏇spe☹ct”一下代码🏀库，然后预估自己🕹🈂需要消耗多少🇬🇸🇯🇵 Tok🇧🇾en——但不实🚈🚿际执行修复🥰🤦♂️。
