跳到主要內容
2026-11-05 日報
模型發布

招商局獅子山實驗室發佈具身推理模型「馭物™ Lion-ER-35B-A3B」,僅激活約3B參數,十項具身基準全數提升

量子位單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

本次未取得足夠原文證據

招商局先進技術研究院下屬獅子山人工智能實驗室發佈具身推理視覺語言模型「馭物™ Lion-ER-35B-A3B」,採用 MoE 混合專家架構,總參數約 35B,每個 Token 僅激活約 3B 參數。據報導,模型在十項主流具身相關基準上全部指標高於其基座,多項核心能力超越參數量更大的模型;其中 Where2Place 得分 64.28(較基座提升 9.30 分)、ERQA 得分 64.38(提升 6.19 分)、空間推理基準 SAT 達 89.33,十項等權綜合均分爲 65.29。評測採用 avg@4 口徑,即每題獨立作答 4 次取平均。 在方法上,團隊不靠堆砌數據,而是以「能力藍圖」先定義 8 個一級領域、39 項二級能力,並以「能力編譯」把能力目標轉爲具體訓練題(場景、視角、問題與答案依據);訓練資料經數據提純、幾何構題與定向合成三路徑取得,合成答案不直接當作真值,需獨立作答或審覈。監督訓練集共 312,380 條樣本,依能力需求分配預算。此外以名爲 Eval-Driven Data Harness 的機制,從錯題中找出能力缺口,再從覆蓋 31 個數據源、約 430 萬條記錄的素材池檢索補充數據。 報導列出四道公開基準案例:相機運動方向判斷、軌跡選擇、跨視角空間推理與任務進度判斷。以「壽司卷放入鍋中」的進度題爲例,基座 4 次作答有 3 次誤判第一步已完成,模型 4 次均判爲未完成。上述案例與分數均來自單一來源報導,尚未見獨立第三方復現。 模型權重已在 Hugging Face 開源,採用 BF16 Safetensors 格式,並標註原生兼容 Transformers、vLLM、SGLang。團隊表示,後續將拓展具身 Agent 的工具調用、多輪交互與失敗恢復等訓練數據。
讀原始報導

背景

混合專家模型(MoE)是一種 Transformer 模型架構,隨著 Mixtral 8x7B 推出而在開源人工智慧社群引起廣泛關注。Open X-Embodiment 是目前規模最大的開源真實機器人資料集之一,收錄超過 100 萬條真實機器人軌跡,涵蓋 22 種機器人形態,由全球 34 個機器人研究實驗室的 60 個既有資料集匯集而成。

來源