（来源：上观新闻）
从本体厂商的生🦗〽存现状看，产能🐭🇷🇼与应用场景🇻🇨💈的咬合是当下的核🇦🇶心课题⬆。Bench🦂mark、F😭🇮🇹idelity🦌 Managem🏴☺ent、Alt👩🦳imete⛹️♀️r、AMD💋及Co🐥atue等👨🔬知名机🏇构均参与🌷🇺🇲其中🛏。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（🔔📋40 代算法迭代🤳🎚），只保✍留两个方案（M🐂AP-Eℹlit⏺es vs 随🍱🇲🇱机），双盲🇩🇴标记为🤤🛅「Insight🥤s 1」和🇺🇬🇹🇯「In🦠😰sights➕🅿 2」💂。
换句话说🅿🥾，在机器人任务🌂🚬上真正重要的🚔🧦模型能⚜🇦🇶力改进🍍，并不必🐒然反映在🚨3️⃣训练损失的变化🛠🇹🇯上，这也解释了为⚰什么单🐮纯在具身场👩💻🕔景数据上微调🧫VLM（那样做🐚🇲🇭同样会降低🤢训练损失🍉🔍）却未🇧🇩必能改善机器人📲🏭任务表现🎀。付费版的核🇬🇫🌠心逻辑是🤨❇做「增💁🥁值服务」🎁，不会影响普通用🚻户的日常使用体🇰🇳验🇺🇲🚬。
