（来源：上观新闻）
--- Q&🙋♂️☯A Q1👷♀️🇨🇿：Embodie🧻dMidt🇹🇫rain🌤🈺和普通的机器人V😀🚜LM微🍠调有什么区别？🇵🇳⬅ A：普⛏👩🚀谷歌工具通微调通常是直接❄在机器💻🇧🇪人场景数据上继续📇训练VLM，但实🐷验表明这种🧗♂️🇸🇪做法在🦛☸VLM理解能力📉🦝测试上可能有提🕐升，却未必改🇲🇳善机器人实际操💀作表现🦠谷歌工具。合伙人看中☹的，正是这种👯不断强化的、🍴能够兼容未来的平🏑台统合能力😛👨🏭。
这说明中间训练带🛵✔来的不是一个👩💼👨🏭一次性的"开局优🧳势"，而👣🦃是对模型内部表🎚示的根本性🙍🔩改善，这种改善在🔫整个后续学习过程🚃🏡中都在发挥作用📲。（希望以👷♀️后不要报错算力不🥑足，请充会员[🥍🔐破涕为笑]🇻🇮） 3. 视🈸频生成本身是超高😶🏸算力消耗任务，1🉑🐡分钟1🖇080P🍠视频的算力👿🚲消耗是文本🌱生成的数百🇰🇮倍，付费版🧟♂️🛶的核心📟就是为这类高🧭成本任务提🇲🇽供优先级和专属⚒🦄资源⛳。
Q2：邻🕔近性估计器👾训练起来复✔杂吗，成🚷本高不高？ A：🇧🇳🤬谷歌工具邻近性估计器非🇲🇺常轻量🎉。在网络论坛、聊天🙇🚅室和社交媒🤶体上与用8️⃣💋户互动时，🛰互联网用户发🧳🐎现@符号非常🏄㊙实用，可以明确😚🏕指出信息是发🇧🇩🐧送给哪个用户💉。随着宇树G1🦟等低成本人形机器🎅👞人开始🎣大规模涌↖🐒入美国民间的🤣商业与生🏞🇫🇴活场景，💟✨谷歌工具未来将有越🇦🇪来越多的“⏯🌍Bebop”🍡🗂出现在航班、铁路💯😮甚至公交车🏑🏃♀️上🧢。
