（来源：上观新闻）
顺着这条逻辑往下📈🍺做软件的叫什么职业看，机器人感知能🀄力大致可以🥽分为三层：环境感🚔🥰做软件的叫什么职业知、本体🧪状态感🍒知，以及交互👨🚒与操作感知🇧🇩🆘。也就是说，机器🆙人一边⛲干活一边🌜学习，还▫🐟不费算🧾🤼♂️力🐢😜。从“术法道”的层🥠次拆解，最📨🇦🇽具体的“术”是🤼♀️“四象限”🇱🇨👨🔧，可以理解为创业💸👯时决策的先后顺🇲🇾🌠序，解🍂决先做啥再🅱🇨🇫做啥的问题🐉。LoRA路线下的❣checkpo🇨🇷int体积😠也显著小于全参版🚓💴本，对显存和⛽存储更🍠友好，更多研究者🇹🇫🇻🇨能在自己机器上复📮🔑现和二次改造🚢。
而这恰恰7️⃣与Agent的工🇳🇵作方式更接🦛近🐜🇱🇻。更深一层🦐🏴，如果小🍏米汽车、小🚵♀️🚝米IoT设👩🏭备的第三🌭方应用🚀🎰都基于M🧔🥔iMo开👨🎨🍢发，雷军⛓🆒就掌握了整个生🦝🇵🇸做软件的叫什么职业态的“🇦🇫算力税收权”🧤🇷🇴。赛前，机器⚔👩👩👧👦人测试的视🥳频已在社🤭🇻🇮交媒体上热传，*️⃣💚其中“奶瓶机器人🏺”更是圈粉无👿🤓数👻🇫🇮。在更细分的能力🍒🍩上，GP🕹T-5.5的编🤑程能力🕝🕞继续提升🦔🔉，在T🇵🇲ermina💓l-Bench🍗 2.🍜0上达到了8🇲🇨✂2.7🔺😅%，在SWE-B🏊📗ench❌🕊 Pro上达到🔸🎋了58.6%📉🇮🇪。
