（来源：上观新闻）
Calvin🔂😏 ABC🇧🇸-D测试的是机器🇦🇶🚈人在A👨⚕️BC三个场🔰景训练后能🦌🍎否泛化到没见过的🇰🇭✳D场景，评🐼估指标是连续完成🇹🇯👳五个子🦜👩⚖️任务的平🥑🌵均长度（🖕🇬🇱满分5）🔡🇲🇹。更麻烦的是，研究👩🚀者们此前也👨👦👦🤥尝试过专门☂🗡把VL📗M在"☎⏰具身场景"🍺🛌（即机器人所处的🇼🇸🤐真实物理🇱🇨环境类数据）上再🦋做一轮微🛷调，期望🦘🥕让它更理解⏭机器人👈世界——但🔥⚾实验证明🇰🇾scm供应链管理，这样做在👨👨👧🇵🇱VLM的🕑🐺理解能力测📦🇵🇫试上可能有⛹️♀️↔提升，🖤却未必能让🍵🇫🇲机器人🤩🎥真正做🙇♀️👨👧👧得更好⚓🔹。
从样本层面看，👉🇻🇦即便是得分🛑🔧最高的🌞🖨数据集，内部样🏺👩🌾本的得分分🥨布也相当宽，🏊说明估计器在同📓一个数据集内💜部也做了👩🌾📏细粒度的🌬😍分层🥮🙎♂️。”赵春江指出👞。这就导致了🇮🇷一个尴尬的现实：👩🎤🌱开发者几🇪🇬乎不可能凭直🏩觉预估 Ag🕍ent 的运行🍳🇧🇧成本➿🈯。这个时间点🇸🇹入场，字👾🚙节不用🔞再做吃力不讨好💗🔊的市场教👧🇦🇱育，只需要从💾💂现成的付🏄♀️😡费用户🥴📸池里做转🧴💢化🇸🇭。
