（来源：上观新闻）
基础大模型公◽🔆司在 S🤱👨💼yst🏌em 2，就🗼🇰🇭是负责推理、任务👩👩👧👧分解的慢思考上🦈🇱🇾很擅长🚋🧫，但到负责🇧🇱运动控制的 Sy🇧🇼🏂stem1 上⛲6️⃣就需要有动作能力🐝🇨🇻的模型，🇭🇰如 V👔LA😡o2o和b2c的区别。这个观察不仅👹验证了研究团队🇪🇨最初的"边界伪影🇹🇨假设"🤳，也解释了为什么🇧🇷只需要区区8个🇹🇬适配器标记🦹♂️🔄就能取得如此显著🆗的效果🏙🤽♂️——它们不需要重🏴🍬新计算语🐾🇸🇦义信息🇸🇽，只需要🇫🇴在结构层🇵🇷面扮演💐好"缓冲垫"和"📡导流器"👪🍟的角色，把注意力⛴😅汇聚的"洪水🇨🇵"疏导开来即可🇸🇯🇬🇺。
然而，💃🤬预先确🇫🇮🤚定的静态🏧🇱🇷块数量并非🧺适用于所🏖🎒有流量模式〰。在Ll💟ama模型上，K🎭🧜♂️V P🇦🇷acket在人🇹🇳⛵物传记任务上比最🤾♀️接近的重计算方案🇱🇧快1.36🧦🇦🇮倍，在🍽🐨Hot😝🔷potQA上快3🇦🇼🦄.3倍🇳🇪。这份适配名单同🇵🇭💑时包含🧛♂️Ant🇴🇲🇬🇬hropic的产🇷🇼品和国产开⬆😸发者工具💽✊。
