（来源：上观新闻）
当前多模⚜🥚态大模型的🥋🐀思考机制🚴🇬🇸极度依赖显式的语💹义线索，纯👨👩👧👦🤼♀️视觉推理依然📥是一个巨🍂大的盲区🆒👺。开发者可以直接🚑🇵🇳加载NVI🇧🇬DIA 📷🚅Cosmos P📝redic🕛🎉t2那个2B参数🦇的Di♊T原始预训练🚛😛权重，在late💯🙄nt spac🚄e里通过视频扩🗣👨🚀散模型预📊🔡测机器🚞人动作🚗3️⃣。作者声😗👨👩👧明：该图片🧂由AI生成 开源🗝这件事，智平方不📭是第一次干了⛷。
但NeuroVL🇱🇮A不一样，它🎑🎃在运行阶段不需要🚏🇺🇳反向传播，只🆖🎏靠环境交➖互产生的自📺🐁监督奖励信号♍（比如状态😗预测准不🇨🇱🦌准、动作🎒😚顺不顺滑），就能😗🕍实时更新S🍒NN权🚝重🇮🇴🏪。文本越长，这🇧🇪份工作记忆越重；🃏🆙如果每一😮9️⃣步都背着完整包💜🛋袱走，模🥇型就很难轻🛵🇧🇿快起来🤞🇰🇾。但和Pi开🤓▫源单个模型不同❔，智平👐⏳方这次玩了把大的🇨🇴，把自己😖🧝♂️家的模型和🎆⚪其他头部模型开放🐶集成👩🎨🕧。
