（+微:hywyysxs）
--- 归根结😲底，这项研究回🦝🚘答了一个🇰🇿非常实际😐😑的问题🍢🗺：当我们想让🇨🇼AI控制🍯机器人做事👨👩👧👦🥾时，A🚕🇳🇺I的"🛃🐐通识教育"和🈚"专业训🇧🇷🚩练"之间应🏘🥌该怎么衔接？研🇸🇭究团队🇳🇨的答案是：不需要🇸🇰🚜抛弃通识🐧教育，也不需要无🍅休止地增加专🧲业数据👩⚖️，只需要在两者之📉👨✈️间加入一🤳🍷段精挑⛳🍼细选的"过渡课程♒📰"，让大脑在上岗✝👩⚖️前先调整好状📇态📕🔸。
苹果这边会更激进🐂，继续😺👷♀️推进高端🏴☠️化🥓🕋。这个结果🇯🇲表明，中间训练对🇸🇿VLM的原有能📏力并非🦝🐷无损保留，而🧸👐是带来了一种有🇨🇭选择性的调整：🌤它强化🔚🍐了与机🇦🇬器人任务相关的🈵能力（💚🦆如三维空间推理）👆，同时对某些🌰更偏向通🥈🙊用感知或特定类型☠😫空间理解的能力🇦🇴👠有所削弱🦄。
如果你只盯着💴🌘榜单排名，🦋就完全看⌨🇶🇦漏了这家机构真🌥正的野心👱。梁巍告诉数智🚇🏪前线，目前Stu💷dio版还处于🇺🇦邀请码🌐内测阶段，但后🚃面已经等🇨🇬着五六个版🚡👙本要发，“🦜真的是每天都在更🤙新🥀。他们推出了 Tr🐼🖕ito🌪n 探针台，试🎓🚒图切入 CP🧦👨🦰O 测试市⚡场🤡。这两个🇨🇭芯片不是🍆简单地放在🍵一起，而是通过 🇾🇹⛹wafer🎎🎸 bond🍧ing 技👩👩👧🎷术“焊接♏”成一个♑🇻🇦整体，中间🛥🇰🇭还夹着一层硅3️⃣基底，上4️⃣面集成了🇲🇫透镜阵列🇹🇿🧙♀️。
