（来源：上观新闻）
在Calvin📛上，中间训🇸🇬🕘练后的1.1B模↗🦋型以3.7🎩🚵♀️14的平均得🎸💤分超越了Open🧲🐦VLA📂🛍（2.548🈸🔜）和π💟🥦0（3.🌍509），💋与1.7B的😥🎍KosMo🎿😎s-2（3🤙🐘.096🔃🇧🇴）、2.9B的P🆙🇱🇦alige🇸🇩mma-🇰🇾🇹🇰1（3🇷🇺🦌.506）🤰🤲、3.0👩👩👧🇿🇲B的P📩✉aligemm🇸🇳👩🎓a-2🇰🇬（3.406）🗑🔺形成显著🌖优势，与2.🏆💯1B的Qwe🛌🐋n3V☸🐷L-2B🍰（在全量训练数🤑据下达到4.14❄2）的差距也🌴🔺大幅缩小🇹🇲。
当被问🥐🥜到大提琴家马友◼友是哪🍮🏸一年被引入古典🏉音乐名人堂时🥉，AI O👨👨👧verview 🏌️♀️正确地链接🧟♀️到了该组🧼🚥织的官网👩👧👦🇸🇿，网站上明确🍃列出了包括马友友🐳在内的 1🗃♒65 ☣位入选者🥋。在面对所🦕有模型都无法解🚽决的困难任务🏗时，理想的 A🤹♂️gent⏱ 应该尽早放弃，🎬🚬而不是继续烧🇸🇩钱⚽☯。过去两年，AI 💞🧽行业对「更👧强的智能🌩」的定🕹👣义，几🚾◼乎总是指◼向同一个方向——🚈🇹🇹更大的模型📻、更长的上下🍊👡文、更快的🍞推理、7🔈×24 小💽📓时不间断🇦🇴运行🚭。
图：Unspla📁sh🇵🇲🇫🇴。而机器人操作轨⛈🔭迹数据—❇🕘—比如🛳🎌LIBERO（一🇦🇹个机器🏋〽人长时程🐾任务数⏩据集）、💭🇾🇪Bridge💆🧫-V2（真实机器🛢🐪人桌面操作数据🤱）和C🥪⛎alv🐟👑in（一个机📊🌃器人语言👣条件操☁🤯作基准测🇨🇰🦗试）——🎓🇮🇨则形成了一片🇵🇪🦛紧凑的"小岛"，⚡与VLM🇺🇾那片广阔的🇸🇴大陆之间隔着👩🎓相当大的距离🕠🏝。它不再只🇲🇦是告诉你🔓🇩🇿哪里有答案🧧，而是直接告诉😟你答案是什🥝么🇸🇮。
