（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🕸🥺。它正确地找到了一⛄❇个旅游网站说尼斯🤟💭河「流经该🇭🇰🦇市」，但👩🇪🇸错误地推断出它🏊🍿「在西侧」🇰🇾👩🔬。
大多数🌟🗒Vibe🚁 Cod💬ing产品的交互💹起点是个空白输🇺🇾🧟♀️入框，大多数人面🌍对空白框都会懵，🕶他们有需求，不知🍲🔇道怎么说📩🇺🇬出来👥🍢。在南非语中，它🐚被称为aap👨👩👧👦stert，🛋🇱🇸意为“猴子尾巴”♠。这1000🗽个人我们拉群🤴、给策略、给资🚥🏈源🚬🥄。
研究者另🇦🇬⏹外招募了⚖ 12 🖇名工程专业🇹🇷👩🦱学生做了一组对🧜♀️🇬🇬照更严格🤨的实验🇰🇷：固定赛道🇧🇫😔、固定参数、🎬➿固定时长（4🤐0 代算🤨🍯法迭代），只保留🚪两个方案（MA🚙P-Elit😙🌻es vs 随⛔🇨🇦机），双盲🚝🚵♀️标记为📉「Ins🇫🇷🌔ights 🧕🗽1」和🈳「In📊sig↩hts 2」🕜。LLa🤹♀️VA-In🇨🇼struct-6📿🇨🇼65k贡献了20👨🏭🇰🇲.2%，Rob⛅🚍oPo🚉int贡献了🈶🚖19.9%，🥮♾️RefS🇪🇹🇰🇭pat😐ial贡献👨❤️👨了14😃🇰🇲.7%，Rob🍮🥓o2VLM贡🍴献了9.🌖2%，CC-👞📄12M贡献了3.☠⛅7%，🤟而EmbS🎈patia♏🔎l-Benc🛄🌗h和VCR则几乎👩🚒🇵🇪被完全淘汰（分🍥别仅占0.👺引蜘蛛秒收平台1%和0⤴.0%😁◀）🎁。
