（来源：上观新闻）
现代机器🇮🇳♈人系统的🐎🧙♂️设计思路确实如此😵：研究者先训练一🛩个具备视觉🚘👨❤️💋👨理解和语👶👲言理解能力的👰"通用大脑"，也🕶就是视觉语言🕤模型（VLM，🥗🐮可以理解图🧼片内容🥯并根据语言指令做😯出回应的AI模🦓型），再在此基♓🍿础上叠加"动🍸🥗作生成"能力，让😩机器人不只能看🏴💳、能说，还能动手🇲🇩🥔操作，这类系统🇳🇫被称为视🇦🇶🌯觉语言动🇩🇲作模型（VLA）🇫🇯🌮。可是，当面对🇸🇴需要多🐭步推理🦓的复杂数学题或🌅逻辑谜题时，这🧹👑种脱口而出的习🕤🆒惯就成了致命伤🇺🇾。
免费版本则继🐌续面向用户的日常🇬🇳🇬🇩使用📶🌈。此外，中间👟训练对↪部分通1️⃣👩🔧用VLM💄能力的削弱🗳⚡，在某些需要↩🇩🇲VLM同时兼顾多🇰🇵论文翻译软件哪个好用类任务的👄🥒场景下可能是个需📥🇰🇷要权衡的🇾🇪问题🧿🐚。在Calv🖤in上，中间训练📰🌃后的1.1⚜👳B模型以3.🌿🇸🇬714的🎵平均得分超越了🌔📈Ope🙎♂️nVLA（☦2.548）和π🛣🧬0（3.🌁509），与🥾1.7📉B的KosMo💷s-2（3.09💷6）、2🇧🇧.9B的🔘Paligem🎰🏹ma-1（3.5🍘06）、3.0🐯B的Palig🧞♂️⌨emma-2（👩🦳3.406）形成🇮🇳显著优🎚🙅♂️势，与2👱♀️.1B的Q👨🚀💹wen3👨👨👧VL-2B（在全◻量训练数据🎶🇰🇼下达到4.14🔌3️⃣2）的差距也🔕大幅缩小👞。
