（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🤦♂️⌨功能测试的常用方法6种再做一轮💫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🥭。
。结果显示，在P🕙OPE（物体幻觉⌛评估）上几乎🚩没有变化（8🥖6.33 vs 🇧🇲86.29），🖱在Visu💂♀️👟Logic🍺💆（视觉🍆逻辑推理）和3🍹DSR🤞🚼Bench（三维🥜🦓空间推理🇧🇹📧）上略🍋有提升（2😹1.00→🈵24.90和47👩👦👦.87→4🇩🇴9.51），🆕🥯而在BLIN👞K（多模👺🚄态感知基🏗🐕准）和Spat🚿ialEval🥉（空间🇱🇰推理基准🛷🐅）上有中🇸🇸➡等程度的下降（4👓🏑3.4😓5→40.45和🐥49.💋82→48.00🇦🇫🦵）🦢☝。
这种股🌅权结构与🧚♀️🇼🇫其说是“🏉🚦壁垒”，不如🤹♂️说是“产业锚点🐷”🍎。营收高速增长与❓🥼盈利能🇹🇦💂力的改善，为公司💴🇸🇽此次高估值定价🤫🦸♂️提供了✉🏴基本面支✌🇦🇮撑，也在一🥖🧹定程度🇹🇨🦚上回应了市🏭⏩场对A🚈I概念股估值😼泡沫的疑虑🧙♀️🐜。
