（来源：上观新闻）
一个能力略逊但🇱🇹效率高 3😳🖲 倍的模型，在规🇧🇮模化场👨🦳🦜景下可⚾🏏能比“最强但最👨👧👧费”的模型更🕷有经济价值🦃🐒。这个发🐹现至关🔕重要，它意🤖味着：与其🔉抛弃所有💏VLM🧖♀️数据重来，😼不如在V🗝LM那片广🐈🔁阔的数据大陆上🙋♂️，精准地挑🧒🇵🇲选出那些与机器人🕢🙈世界更接近的"边👨🚒境地带"样本，〽用它们来做针对性🏊♀️的过渡🐭训练😠🔓。
aut💢oDr🤥💆eam 产🤢出的记忆，在代🤯码里被明确标👨👨👦👦注为「hint」🍫🇧🇳（线索）而非「🖕🇹🇰truth」🧐😳（真相），代理🧓每次使用前🤦♀️🤭都要重新验证是否🏟🏋仍然成立，🤽♀️因为它知道🧢自己整理出◾来的东🕉西可能不准5️⃣👨👦👦。第三个问题🚳▪在于算力成本的🇨🇴「无底洞🥽」🍠。
有意思的是，有一🇹🇹个地方两个📎😲系统做出了👩❤️👩🆚不一样的选择🇸🇽。邻近性估计器🏛的有效性依赖🤾♂️🤼♂️于VLA训练🌋数据作🕊🕕为"靶点"，如果🆕🧜♂️目标领域的👒数据本身很稀📄🤗缺，这套方法😱💿的可行性就需🇷🇪要重新评估🚛🤑。尤其是😛➕ Me🇯🇲🚦ta，🥛👩🦱凭借极具诱惑力🧼的高薪和高额奖金🇺🇿，挖走了大批核📛心骨干员工🥗。
