（+微:hywyysxs）
更麻烦😘🏘的是，研究🇺🇲🚵者们此前也尝试过🔳🔶专门把VLM🇸🇩在"具身🇬🇭⛅场景"🍄🇬🇲（即机器人所处💻🧠的真实物理环境类👨⚕️👨🎨数据）上🙋♂️再做一轮微🧴👨👨👦👦调，期望🍯🐀让它更理🦹♀️☦解机器人世🤙界——但实验👩👩👦⚓证明，这样🦸♀️🕌做在VLM的🌍🆑理解能力测试上🥎🔺可能有提升，却🍀🏦未必能让机器人🕣👨🏭真正做得更好👭。
任尔扬和养老中心✈的负责人一起，😿引进了多种🌼🇹🇲智慧康🎳🇬🇵养的设备，这为↔♟️他们的♎🇪🇦助孕针要多少钱照料工作带来本🐬质性的变化🗣。参数规模，已🥓经彻底失去决定🅿🇸🇿性意义🦢🐝。但讯飞智文这🔹次，把问题往🇨🇲前推进🛫了一步👾🚺。研究团🦓队确实做了⛏这个实验🔃：他们取来了当🚞前流行的🍐两款大模型——Q🔴wen2🐁🇽🇰-VL和I🙍♂️🔹nte💢👨👦👦rnVL2的小🧨👍尺寸版本☀🇻🇦（分别是🛌10亿和😨20亿参©数规模），用1️⃣🍰同样的训练🥥☑数据对🛀它们进行微🤞调，期待它🍂们在缩🤱小后依然能👺💑胜任GU🇵🇲I定位任务☂。
这其实就是粗🇦🇱🚽暴地砍掉💽🤣了一次冗余📞🎚的预填充计🕯🌂算🐁。Becky：这确🗑🧯实打破了很多人😑🙀原本的判断⛳。收费与成长的悖论⚱😻：为什么现在不该〰🥌收费 A👩🦲🏴☠️I大模型有🦊一个无法🙍回避的悖论📈：免费用户🕑🇳🇮越多，研发模🇨🇴型所需要的收🔷益缺口就👨🚒越大；同🗄👘一时间，👑模型的演进速度⬛🇸🇨取决于用户规模🍤——更多用户意味🇬🇺🥶着海量真实数据🚋⤵投喂、更多🎃元化的🧟♂️场景验证、更快的🇧🇦迭代周期，从👩🍳🇬🇪而形成🥌技术优势👄🌸。
