（来源：上观新闻）
**三、🕟🈶热身训练的实际🐧效果：小模型逆袭2️⃣大模型** 有🇮🇩🇸🇬了精选🍥数据集，研究团队🌉就用它对VL🌤M进行中🌺间训练（全🐼参数微调👒✨，批量🍂大小256，训练🏑5000🧦🐵步），然后再把🥾🦏这个经过热🇹🇹🕒身的VLM🥂⌛作为起点，✋♣按照标准流😴🏃程训练成VLA🇦🇽🚦，在三个机器人🥩操作基准测❄👾试上进行评估🌪。结果发现 Gem🏚🗨ini 2 时🎯🍴期，准🔍确率约 85🔊%，错误率 👨🔬🥖15%🦹♀️。。当我成👩🌾🍥立独立课🐌题组，🥛🦍我和团队🥠🇭🇷成员也强调🇻🇨，我们的技术既🙃要上得了书架，也🉐☪要上得了货架，希🍗望我们3️⃣♨的技术早😈🇨🇻日能够转化为真正🚆🇳🇬实用的产👩👦🇩🇰品🇸🇱。
目前，👨💼几乎所🇦🇨💨有主流 Ag👨🌾🔬ent 🦏🇲🇱框架都🎚🇱🇹缺乏这种机❣🍽制🚹🇧🇯。发现一：Age💯🇧🇳nt 写代码的烧🔼钱速度🧥，是普通 AI🤡 对话🇿🇼💵的 10👨🌾🇨🇴00 🇺🇾倍 大家🎉🥃可能觉得，让🇲🇽 AI 帮你📋🇮🇳写代码和让 A⚠I 跟⚛你聊代码，花的钱💥🔯应该差不多吧？🐩 论文给👩🦰出对比显示🦡🇵🇳： Age🥅ntic 编码🦙🚫任务的 T🇦🇽🌩oken🕘 消耗📢量，是普通代码🧦🏹问答和代码推理👨👩👧任务的 约📕 1000 🍹😠倍🌵。3. Ag⏳🇦🇶ent 需要“👢🏉油表”🤼♂️和“刹车🥎🍐” 论文提到🔫一个值得关注的未🔨🚊来方向——B⏮udg⏺🏆et-aware🚴🤕 tool-u🇪🇬🐌se 🇹🇿🇱🇹pol🇸🇧icie👩🚀👩💻s（预🚖🇲🇽算感知的🏅↖工具使用策略🔡🤽♂️）🇬🇸🏘。
