（来源：上观新闻）
**三、🚃热身训练的实际🍼🇵🇹效果：小模型逆袭💫🇬🇮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500👩🍳0步），然后再🔋🐅把这个🎉经过热身👩👩👧👧的VL🤘M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🍧🕥。
最反直☯觉的发现，❣🦋藏在实验🎏室研究🚑👚里🗳。但上市即🌧🔮巅峰📩。发现五：连模😧型自己都算不准自😓👨🌾己要花多少钱 💎既然人算不准🇫🇷，那让 A👃I 自己🔮来预测呢？ 🤦♂️研究者设🔒计了一个精巧的🧱实验：让🍱 Age🇺🇿nt 在真正开🚫🌸始修 Bug 之🌽👩🏭前，先“🏨 ins🇨🇼🇲🇿pect”📙😶一下代码库，然◻后预估自己需要消👎耗多少 T🔟oken🛋🐾——但不🐡🇨🇷实际执行🇲🇩修复🇧🇫。
但把 🐩🛀Age🏣🈂nt 🚊🇺🇸能力推得最🌩深的公🇦🇲司，恰恰在自🇱🇺己的代码⚖里为 AI🧛♀️⚜ 设置👨👩👧了休息时间😼▪。但问他们「哪个🚣♀️🥼方案更有用」，答☕🎻案却是分裂的🏯🤸♂️。训练完成💚后，这个分类器🐆就成了一个👸🇦🇼"靠近机器人🇹🇻💭世界的🚫🤮程度评分员"——🏊对海量VLM🍁数据的每一个样🇬🇶本打一个0到1之🇪🇸间的分数，分🦍数越高🤔🛄，说明这个🇱🇦🐺样本与🧟♂️🚓机器人操🔏作数据🇲🇪的"世界观"🇮🇨🇭🇷越接近🧩💽。
