（来源：上观新闻）
在谈及家庭机🇬🇧器人如何落地时🏨❌，许华哲表示，🏌当前行业在👴数据采集上存在🇻🇦🤽♀️误区，👩⚖️大量使用夹爪采🇧🇹🌆集操作视频数据，👩🚀但最后要🚗💷干什么🥵🍪还不知道👨👧👦，最多是放到预训🇲🇿🎒练里面，有🚆🇧🇦更多的🎼数据，但🥪🦶是那个数☄据不起🇰🇪🛋量🇲🇴☪。而这个价格差异的😋✳核心是模型自身⬜的“智力😩📟溢价”，是对研🧙♂️👩🔧发成本的回收和合🧻理利润的赚取🚸3️⃣。
整个WA🥘LAR训练过程采Ⓜ🔝用了群组😫🌕相对策🚣🍳略优化（GRP🌅O）算🥩🍇法😽。” 为🤖🙋打造AGI4🤝S基座能力，🕞🇨🇬上海人工🧚♀️🧖♀️智能实验🆘◀室发布面🧨🔩向重大科学突🙈♨破的“A🇵🇱🏨GI for 🅾Science珠🐏💬穆朗玛👉计划”，助力全🚓💨球科学家攀登🧪🥶科学高峰🇰🇿。新西兰前总理珍🖲❎妮·希✔🇧🇧普利认为，“中🇪🇭国多年8️⃣来一直致力于5🇨🇮💕G、6G等智能🧯技术的研发，并🎲😠已做好充分😋准备，将这些🍪创新成🕰果应用🇯🇵于家庭和社区🚠。
但是，👩🔧当马斯克撕开了👨💻遮羞布，这两大基💫🥄石就产🤕🥒生动摇了🇪🇭。而当前💉工业软件存在🀄🚾三大核心🍁🇰🇮痛点：😘🦕一是系统🦆复杂、模块👏割裂，协同难💄度高；二🚇☹是规则固🌄化，难🧵以适配工艺迭代；🇲🇷💅三是高🕡度依赖工🇨🇽⌚程师经🏕🐃验，使☢☸用门槛高⏲。在这种最🇬🇫严格的测试🦐🧙♂️中，人类🔃评估者在🆘42%👨👧-51%🚹🏃的情况下🚏更偏好WALA🔫😑R训练🕞💆的模型翻译，而🧜♂️认为两种⁉方法翻译🈵🌸质量相等的情🏴🦒况占34%-39🥬👨🎓%📜。
