机器人分不清画面里”更靠上”和真实三维空间”更高”的差别，视角一换就会误判物体身份、相机运动或任务进度。招商局先进技术研究院下属狮子山人工智能实验室近日发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」，总参数约35B，每个Token仅激活约3B参数，在十项主流具身相关基准上全部指标上涨，等权综合均分达到65.29。
该模型走的是能力牵引的数据技术路线，不靠盲目堆训练数据。团队把具身推理拆解为实体、空间、时序、物理、可供性、任务、社会、证据8个一级领域，细化出39项二级能力，再把推理方式、输入形式和回答形式作为独立维度分开标注。能力蓝图预先规划需要覆盖的能力范围，评测承担查漏补缺的角色。
能力编译
能力编译把抽象能力目标逐项落地为场景、观察方式、提问和答案依据。跨视角推理要先明确视角数量、需要在多张画面间建立关联的目标物体、判定方位所采用的观测者位置与朝向，同时核验视觉素材是否足以支撑模型推导出答案。关键视角缺失、证据不足时，这道题只能依靠猜测，不能纳入合格训练样本。
训练题目有三条构题路径：从已有QA与视觉标注中转换、从观察素材中发现证据、从结构化条件与关系中推导。监督核验采用数据提纯、几何构题、定向合成三条互补路线，其中定向合成生成的问题与标注必须经过独立作答或额外审核，生成模型给出的答案不直接作为真值。模型答错不是删样本的理由，多个模型给出相同答案也不能单独证明答案正确。对持续失误的高难样本，团队引入Human in the loop人工复核，搭建了面向复杂具身任务的可视化核验平台。
Eval-Driven Data Harness
监督训练集共包含312380条样本，训练时按能力需求分配预算，而不是由数据源题量决定权重。Eval-Driven Data Harness把评测失败转成下一轮数据需求：先核查标注、画面证据、评分是否存在问题，再区分偶发失误与系统性能力短板，确认存在能力缺口后从覆盖31个数据源、约430万条记录的素材池中检索推理逻辑相同、场景不同的新素材，经构题核验后加入训练。一次评测失败，由此变成一批新的训练数据。
十项公开基准采用avg@4评测口径，每道题独立作答4次取平均分。Where2Place空间放置评测得分为64.28，较基座提升9.30分；ERQA具身推理基准得分64.38，提升6.19分；空间推理基准SAT达到89.33；ERQA轨迹理解子类68.18，提升12.12分。在相机运动判断的公开基准题中，基座仅答对一次，「驭物™ Lion-ER-35B-A3B」通过两帧画面变化规律正确判断相机转动方向，4次作答全部正确。
目前「驭物™」已在Hugging Face开源权重，采用BF16 Safetensors格式，原生兼容Transformers、vLLM、SGLang等主流推理框架。招商局狮子山人工智能实验室表示，后续将面向具身Agent拓展工具调用、多轮交互与执行反馈方面的训练数据，探索长程任务中的连续决策与失败恢复，迭代这套能力牵引的数据引擎。
· END ·