现在靠RL吧？
另外有没有语言的区别在于，是否能通过语言高效抽象理解世界，语言是否能作为输入token影响最终输出
比如理想前一代VLA，可以通过语言影响ACTION，比如命令超车，靠边停车，往前50米什么的，识别到路口防御驾驶降速啥的
只是由LLM输出实现得不好，L部分效率不高。
【 在 Icanread 的大作中提到: 】
: 靠，我手打的！
: 以前用ngram时的确有可能可以debug，从用神经网络后lstm开始就不可能debug都是黑盒
:
: ...................
--
FROM 58.246.240.*