（来源：上观新闻）
空间与☔行动类任务👋🤽♀️激发了AI🛬💇♂️的感知-🐪⌛推理分离策🕠🍙略🌠↘。研究团队👨👨👦构建的60万样🌰本数据集和配套🥦的评估体系👩🍳🇨🇴为后续🦗🇱🇰研究奠定🔏🌴了坚实基础🇦🇽🚦。经过训🛋练的AI不🤣仅在准确性上有了👨👩👧👨🦳大幅提升，🐾🇧🇾更重要的是▫学会了根据☸👨⚖️任务类型💭调整自己的思考👎方式🗑🥎。
Mano-P 引✍入了 SF🕠T（监督微调🧝♀️😟）、离线强化➗⏩学习与在ℹ🇦🇴线强化学习的三✌阶段渐进↘式训练架🍹🇧🇷构，并配🐬➿合专有的 GSP👳♀️🇦🇲runing 💝视觉 Toke🦋n 剪枝技术，实🇷🇴现了端侧推理👨🎓效率的⚾🇳🇴飞跃👐🏩。数据真空：⚫日本免费一区二区三区没有通用本体，何📜🐇来通用数据？😍🧝♀️ 更值得1️⃣深思的行业矛盾是🇲🇸，想做🇻🇨📋通用人工🎉🛁智能（AGI），◽👨🌾却面临🏔🇸🇾“数据真🍕空”的困👨🦳🍫境🖊。
