（来源：上观新闻）
从数据集层面看🔛，RefSpat🦋ial（专注于空🏃间指代推理的🇳🇴📲数据集）获得了最🇨🇴🕘高的平均分🎭，而VCR（🎧视觉常识推理🧷数据集👩🚒👑，主要🏧😊涉及对图片💲💇♂️中人物🦆行为意图的理解🤖🇧🇾）获得了最低的平🎮🙇♀️均分🇧🇦🍈。毕竟，在✴ AI Ag🦷🆓ent 真正走入🏝🍻千行百业的🛵生产环境之前，每😪一分钱花得明明🗨白白，比每一行🐞🐑代码写得漂漂🍌亮亮，更重要⏮。
人脑撞的，是同🎗一堵墙👰。你猜它们在推什🕰么？ 亲戚🚍📈称谓计算器、星👩⛹️♀️座匹配🇬🇹测试、🚪请假话术生成🇸🇽⛽器，还有⏺人做了个喝🕒水提醒工具；我看🧟♀️到的第一反应👩🔬🇵🇦是，喝水前💍🕓还得先🇧🇪🖖做个应用↩？手机自带的😪闹钟就够🤩🛷用了👨👦🍏。--- Q🎑&A Q1：💇Embodied🍰👨👨👧👦Midtr📐🚀ain和普🛌🏊通的机器人VLM😾微调有什么区别？🇧🇹🦘 A：普通微调🔭通常是直接在机👡器人场景数👩🚒🦋据上继续训练👀VLM👷♀️🇾🇪，但实⏏🛠验表明这种🐢做法在🚱🍲VLM理解能力🇵🇪谷歌优化测试上可能有提升🐞，却未必改🤫善机器人实际操作😤🤼♀️表现🈴🧙♂️。
