（来源：上观新闻）
更麻烦的是，🍸研究者们此前🌲也尝试过专门把🇬🇧VLM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🕦ℹ解机器人世界—🐐—但实👨♑验证明，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🔒。
实际上，科🇦🇹学界早🔆🚸就注意到了这个💐问题，并提出👩🔬🇱🇨过一些🇫🇴🕢论文翻译软件哪个好用早期的解决方🚭法🇿🇦🏢。在Ca😓lvin上，中间🇫🇷训练后的1.1🐟B模型以3😕.714的🇲🇪🌡平均得分超越了👅🐹OpenV🇳🇨LA（2♣.548）和π0🤸♂️🐈（3.🇹🇷509），与🎚🥵1.7B的Ko😆🙂sMos-2（🧦3.096）、2🛰🇸🇩.9B的Pali🇨🇼gemm🗣🤽♂️a-1（➰🏍3.506）🍌✡、3.0B的P🥾alig👳♀️🌰emma-2（3🖍🔗.4063️⃣）形成显著优势💧，与2.〰1B的Qwen🇷🇴3VL-2B🇸🇲🇺🇳（在全量训练🦆🎙数据下🍡达到4🙈🎊.142🧙♀️💾）的差🇲🇼距也大幅缩🤬小🥫。
这种情况类似🖋🍝于给一位💇♂️🤓棋手更长的读秒💼时间去🔯推演后续的📿棋局，🖋💬时间越🇩🇴充裕，🇹🇩他走出的棋步就🇰🇿越发精妙👨👦👌。
