（来源：上观新闻）
"——这🇧🇸类样本要求模型🇧🇫同时完成空间定位🐍和物体指代，恰好🇬🇷是机器人感知和操🖖作所需的核心能力👨⚖️。多数模型的预测相▫关性只🦴有 0.05 到👨✈️🇹🇰 0.34 之间↗，Gemini-🔠3-Pro 最低😹，仅为 0.0🤭4——基本等👨✈️🥨于瞎猜👹。人脑撞的，是同一👍😱堵墙⏳。曲线显示🏰🔽，经过▶🛄中间训练的🌈VLM在🇺🇳VLA👀微调的最早阶🍴段就已经🇦🇱🌓表现出🚚🇭🇲更高的任务🛍成功率，并且随🌤🥝着VLA训练的推👚💬进，这个优势不🚞👨👩👦👦但没有消失，🦴反而持续扩大👊🇲🇼。
擎天租正🇱🇻在写的这📈😛份“答案🍪”，不是一个🐐人的独⏳角戏，而是大厂🇩🇲🥂的技术♨红利、投资人的🇮🇶😅资本杠杆、以及⛄🏵400🎹🇮🇴多位城市🔉🇯🇵合伙人的真实🏏🇰🇾汗水共同汇😓🏀聚而成的标准🌛🍋。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🍄 Agen🎒🍙t 在真正开🍦始修 Bug🇲🇽🏌 之前，先“ i😢nspect🏌”一下代码库，然🧚♂️后预估自己🦴🗂需要消耗多📚🌇少 T🌯🛍oke🗂新站做泛目录n——但不实际执🇳🇷🤸♀️行修复🔭。
人脑没有这套机制👩⚖️💍。「它看起来像个正♻经答案啊」 🇧🇶Oumi 分析了🧦 AI🥓 Ove🦒rview 😊引用的 🅾🈯5380 🛁个来源，发👨🎤现 Face🤽♀️book 和🌪🇨🇵 Reddi🔌🚊t 分🦸♀️🏷别是第🇲🇻二和第四大被引㊗用源🥟📟。图丨具有感存算一📏⏩体功能的光电二极♓🛳管器件性🙆能（来🖊💝源：Natur👖e Elect🇰🇪🇱🇮roni🔏cs） 基于在氮🤼♂️化镓领域的➖长期深耕🇰🇭，研究团队🇹🇳⛸提出了⛔🔅一种新👩❤️💋👩🇸🇴的解决方案🧯。
