（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👩👦seo翻译成中文器人不只能看🆖、能说，😣🍹还能动手🖕操作，这类系统被🇷🇺👩称为视觉语言动💒作模型（VLA👩🔧）🔺。
换句话说↖，这不是一道🛡非此即彼🍆的墙，而是📀😌一个从"完全不🇦🇶相关"到"高🧭度相关"的连👚续谱🗝📢。结果发现 Gem🚴♀️ini 2 👩👧👧🤾♀️时期，🌊🚁准确率约 85%🚂🚹，错误率👻🎩 15%🍢。当研究人🕑©员限制模型只能🇲🇴📹生成极其🤠简短的内部🐿思考时，它的↪性能提升相对有限🚧；而一旦放开限🍁制，让模型在🤦♂️给出最终答案🇹🇬前进行足够长🌨🕒篇幅的深👾度反思，它在各🕐☦项复杂推理任务🇲🇨❎上的正确率就🍎会像攀登🎂🤪阶梯一❕样稳步上涨🌚🚺。
