（+微:hywyysxs）
又比如在使🇯🇴🍧用 W🕛🇰🇮PS 🥣🇵🇹处理一份🇵🇼🇸🇱复杂的报表时🤐👮，因为屏幕宽🛥度的优势😯📤，同屏展现的🥦单元格列数相🛤较以往增加🇩🇬🙇了三分🚳🔙之一以🇶🇦上🍯🦖。在Calvin上🇬🇦🥰，中间训练后的1🏴.1B模型🔶以3.714🛷🕵️♀️的平均得分超越了🕍OpenV🇺🇾⛳LA（🎛😯2.548🙄）和π0（3.🤪*️⃣509），与1.🚙🀄7B的KosMo🇲🇸s-2（3.0☂🐜96）、2.9B👩❤️💋👩的Palig🥫emma-🇬🇼1（3🆑🕚.506）、3🇰🇭.0B的P🇹🇫aligem👨🔬ma-2（3.4☠06）☯形成显著优势，与🏓2.1B的Q😺wen3VL-2➗🐻B（在全量训🙎♂️🍵练数据下达到🍃4.1🐸42）的差距🏳️🌈👲也大幅缩小🍊。
换句话说，在机🇮🇪🇹🇰自贡不孕不育专科医院器人任务上真正重🔤🛤要的模型能力改0️⃣进，并不必然反📉🎀映在训练损失🏪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🕯。Trump 总统📝🕵️♀️上任后🎺，我们聊过，🇾🇪🇮🇴我说：“🦹♀️这样吧，🎺我会给这些🕎👨❤️💋👨供应商下五千🧾亿美元的订单🍞。每天，🚗我们打开手机、🇷🇺点击按钮、填写表👩🍳🍥单、滑动页面，这📬☀些看似平常的🚏😣操作背后，藏✉着一个让计🇳🇨🅱算机科学家头疼🦶🗯多年的难题：✋🍔如果要让AI帮👽我们自动操🕜作手机，它首Ⓜ↘先得"认识"屏幕🇫🇯🦁上的每🧿一个按钮和图标—📬👩👧—不是靠读懂代码🎶🈺，而是像🌑人类一样通🐹过眼睛看到界🚌♣面、理解自然语言👴指令，🧹然后精准地找到目🛅标位置👩👩👧👧🍒。
