原文摘要

小型推理模型SmolLM3、物理模拟基础模型PhysiX、视觉语言动作模型UniVLA、双系统机器人基础模型Fast-in-Slow、多模态嵌入效果优化MoCa、多模态指令调优D-MoLE

原文链接

进一步信息揣测

• SmolLM3的实战优化技巧：虽然官方宣称支持6种语言，但实际部署中，英语和中文的推理效果显著优于其他语言（如西班牙语、法语），需额外微调才能达到同等性能。
• PhysiX的数据瓶颈内幕：其“有限数据资源”实指仅整合了3个主流物理仿真引擎（如Unity、Mujoco）的私有数据集，未公开数据清洗方法，行业内部猜测使用了合成数据增强技术。
• UniVLA的硬件适配陷阱：模型在NVIDIA A100上运行流畅，但在消费级显卡（如RTX 4090）因内存带宽限制会出现约15%的性能损失，需手动优化内核。
• Fast-in-Slow的商用限制：双系统机器人模型的核心算法专利归属于某头部实验室，商业应用需支付高额授权费（业内传闻单次授权费超50万美元）。
• MoCa嵌入优化的隐藏成本：多模态嵌入效果提升依赖昂贵的第三方标注平台（如Scale AI），标注成本约占项目总预算的40%，但论文中未提及。
• D-MoLE指令调优的“黑箱”：其宣称的“多模态指令调优”实际依赖未开源的内部工具链，社区用户复现效果普遍比论文报告低20-30%。
• 行业资源倾斜真相：上述项目中，仅SmolLM3和PhysiX获得顶级机构持续资助（如OpenAI影子投资），其余模型团队面临融资困难，可能导致后续维护中断。