（来源：上观新闻）
这种权衡是🛹🇧🇭可以接受的，🍷因为中😀🇲🇲间训练©🌔的目标本👣⌨来就不是让VLM💻🎸在所有📆任务上🥜🇦🇽变得更好，而是让🤣🇲🇭它成为☂🧼VLA学习的一个🚎更好的起点🧕。而一个人类觉得🚵👮♀️“逻辑很绕”☢的算法问题，A🌼📦gent🚍 可能恰好知🏢道标准解法，🧛♂️🏷三下五除二就搞👩✈️👆定了🧞♂️📎。
LLaVA❗-Instr🕎☝uct-💂♀️665k贡献了2💄🇲🇲0.2%🇰🇳🇸🇬，RoboP🧢🛏oint贡献了〰📔19.9%，R✨💒efS🌹pati💣al贡🍩献了1⛺4.7%，Ro🤰bo2VLM😯贡献了9.💿🎾2%，C👨👩👧👦C-12M贡献了💑🙈3.7%，而🇲🇿🤚EmbSpa🙋♂️📟tial👤-Be🛹nch和VCR则✡🖍几乎被9️⃣🇴🇲完全淘汰（分别仅🔨占0.1%和🇦🇩👨👩👧👧0.0%）🖨。
尽管这☘些方法可☹🥘能有效，但它们也⛏同时会带来不容忽🚩视的问题：🏝🐆硬件复杂度、芯片🍚🌈面积和功耗也会大🙂🏪幅度增加🎲。研究发现，👩✈️💃在高成本运行中😈💪，约 50% 的🚥🇸🇱文件查看和文件修🇧🇱↗改操作是重🇬🇫🐉复的——也🚣♀️就是说，Agen🎠⏫t 在✈🐄反复读同一个🇨🇲文件、反复改同👨💼🎞一行代码，像👨🍳一个人在房间里🚂转圈，越转越👩🍳🧛♂️晕，越💑晕越转🚓。
