刷题、话术包装、资源置换。。。

定焦One（dingjiaoone）原创

作者 | 王璐

编辑 | 魏佳

具身智能赛道一连吸引资源眼光的同时，，种种相关榜单也越来越多。。。当“第一”险些成为各家标配时，，榜单尚有可信度吗？？？？

一个多月前，，千寻智能就履历了尴尬时刻。。。6月初，，其具身基座模子Spirit v1.6在RoboArena榜单上以1918分的效果凌驾了英伟达Cosmos3的1880分，，一度位居“天下第一”；；；紧接着，，千寻宣布完成15亿元A+轮融资，，三个月内累计完成四轮麋集融资，，总额靠近50亿元，，创下具身智能赛道的融资频率新高。。。

不过，，业内对评测数据的质疑险些从越日就最先升温。。。有视察者指出，，在310次评测纪录中，，有72%的分数来自两个账号。。。更值得关注的是，，RoboArena官方随后宣布声明，，经回溯视察后移除了部分存疑的评测数据，，并更新了榜单排名。。。Spirit v1.6也随之从榜单上除名。。。

但这一事务并未浇灭玩家们的热情，，掀开近半年的行业新闻，，星动纪元、原力灵机、极佳视界、智元、跨维、鹿明……险些每一家头部公司手里都攥着一个“第一”，，且这些“第一”维度各不相同。。。

这一情形或许不难明确，，具身智能现在手艺蹊径还没统一、真机乐成率大多卡在五六成，，外界想判断一家公司究竟行不可，，很洪流平上只能依赖榜单。。？？？？傻狈竦募扔懈咝！⒒挂灿忻教，，各家标准各不相同、有的还牵涉商单和利益关系时，，榜单自己还能不可当尺子用，，就成了一个问题。。。

一位关注具身赛道的投资人坦言，，榜单更偏市场行为，，最多算投资决议的一个参考，，他关于千寻这件事并不受惊。。。在他看来，，真正在意名次的，，往往不是以财务或手艺为出发点的机构，，而是一些地方指导基金或偏国资的资金，，一个“第一”，，可能正是他们“写在报告里一个较量好的入口”。。。但也有投资人持差别看法，，他们以为在手艺门槛高、信息差池称的早期赛道，，榜单至少提供了一个横向较量的起点。。。

当“第一”的数目比认真做机械人的公司还多时，，这些榜单究竟是在测手艺，，照旧在测讲故事的能力？？？？哪些榜单还值得看？？？？

01.手艺蹊径还没统一，，祖先手一个“第一”

我们先来盘一盘现在市面上的榜单，，建设一个大致印象。。。据不完全统计，，现在具身智能的活跃榜单高达20余个。。。按评测内容，，这些榜单大致可以分成三类。。。

VLA操作综合榜，，考察机械人能不可真干活，，跑的是使命乐成率，，代表榜单是RoboChallenge Table30、MolmoSpaces；；；

天下模子榜，，考的是脑内推演对差池，，考察模子对物理天下的推演，，不考机械人手脚利倒运索，，代表是World Arena和WorldModelBench；；；

专项基准榜，，考察“极端情形下会不会露馅”，，针对单点极端能力，，好比双臂协同、仿真到真机迁徙，，代表是RoboTwin 2.0、SimplerEnv、LIBERO 和 CALVIN。。。它的价值在于，，在综合榜照不到的极端场景里，，把模子的短板逼出来。。。

需要说明的是，，这三类榜单各有着重、互不替换。。。真机榜测执行、天下模子榜测推演、专项榜测界线，，没有任何一个能笼罩具身智能的所有能力。。。

有了这层坐标，，近半年具身基座模子的战报就能对号入座。。。若是把近两个月具身基座模子的战报汇总，，可以获得一份相当壮观的名单。。。

今年5月，，星动纪元Era0宣称拿下RoboChallenge Table30第一；；；智元GE-Sim 2.0是World Arena Track1第一；；；跨维DSCFuncWorld是World Arena Track2第一。。。进入6月，，千寻Spirit v1.6拿下RoboArena第一（后被除名），，鹿明Prime R0登顶MolmoSpaces。。。险些每一家都是第一，，并且都有详细榜单排名作背书。。。

而乱象，，也是从种种榜单最先的。。。

最显着的是，，榜首像流水席，，“第一名”替换频仍。。。

RoboChallenge Table30的榜首，，已往半年里至少换了四次：先是千寻Spirit v1.5以50.33%的乐成率刷新纪录，，很快又被极佳视界GigaBrain-0.1、美国波士顿动力Atlas、星动纪元Era0先后逾越。。。

这个速率，，比大语言模子的主流榜单更新快得多。。。2023年到2025年，，GPT-4、Claude 3、Gemini 1.5在MMLU、GSM8K等榜单上的榜首位置，，通常能守数月甚至一年，，即即是2020年到2022年的高速迭代期，，GPT-3、PaLM也是以月为换榜周期。。。“当下的具身智能，，单个模子能霸榜一周就算禁止易。。。”一家头部具身智能公司的从业者米范体现。。。

其将主要原因归结为两点。。。一是物理天下的随机性，，统一个模子在真机上跑两次，，乐成率差三到五个百分点很正常，，光照、物体位置、机械臂公差都会影响效果，，而MMLU这类大语言模子榜单是牢靠问题、确定性判分，，统一模子跑一百次分数险些稳固。。。二是测试使命的果真水平，，像RoboChallenge的Table30，，30项使命漫衍是果真的，，各家可以照着使命专门采数据、微调模子再提交，，榜首的“保质期”于是被压到了以周计。。。

更让人疑惑的，，是统一个榜里会同时冒出好几个“第一”。。。

World Arena就是典范，，智元GE-Sim 2.0、跨维DSCFuncWorld对外都称自己“登顶World Arena”，，但事实是，，这个榜单含有多条赛道，，智元GE-Sim 2.0在Track1（感知与行动响应）以68.26分排第一，，跨维DSCFuncWorld在Track2（数据引擎）排第一。。。“第一”分属差别个子榜，，对外却被统一写成了统一句话。。。

对不熟悉赛道划分的读者来说，，两家并列的“World Arena第一”的说法险些无法分辨，，甚至会嫌疑是不是有人在说谎，，但着实谁都没说错，，只是不敷准确。。。

尚有一层更模糊的地带是，，榜单性子混杂，，“第一”的含金量却被默认成统一档，，容易爆发误导。。。

一些公司的对外口径里，，经常；；嵬绷谐觥澳衬Ｗ釉赗oboChallenge排名第一”，，和“在某具身智能媒体的测评中也位居第一”。。。前者是7×24小时真机跑出来的乐成率，，后者可能只是编辑部闭门讨论、甚至商务相助敲定的名单，，两者被并排放进一句话，，含金量却被默认成了统一档。。。

其中最模糊的是“工业榜”，，有些榜单顶着“工业”二字，，但既不是真机锁死的硬榜，，也不是学术机构背书的benchmark，，而是咨询公司或媒体合办的打分榜。。。类似情形也在大语言模子圈泛起过，，但随着学术榜、商业测评、媒体榜逐渐分层，，“双料第一”才逐步被拆掉，，而具身智能，，眼下正处在谁人尚未分层的阶段。。。

三种征象叠加，，效果就是榜单“第一”严重通货膨胀。。。并且这种通胀不但停留在营销层面，，一个“第一”的头衔往往能换来关注度、资源和实打实的估值溢价。。。

02.一个“第一”是怎么造出来的？？？？

既然榜单能撬动真金白银，，怎样把第一造出来，，也形成了“潜规则”。。。业内人士先容，，虽然千寻Spirit v1.6属于极端个例，，但行业里造“第一”的征象并不少，，手法大致有三种。。。

本钱最低、也最普遍的一种方式是话术包装，，“单科第一”成了“总分第一”，，焦点是省掉要害限制词。。。

好比现实拿的是“RoboTwin 2.0双臂协同VLA类Clean档第一”，，对外就酿成“登顶RoboTwin 2.0”；；；现实是“LIBERO-Plus场景泛化专项第一”，，对外就成了“LIBERO-Plus榜首”。。。数据没造假、效果也是真的，，但“第一”所指代的规模被人为放大了。。。

第二种方式是使用“刷题”等方式直接干预效果。。。

一条是“照着考题练”。。。榜单果真的使命漫衍、评分标准、情形参数，，都可以拿来做定向后训练，，在一些使命相对牢靠的榜上尤其显着，，各家可以通过重复“刷题”、过拟合到特定场景换来高分。。。

米范体现，，具身领域的部分榜单的测试使命是果真的，，各家可以针对这些使命专门收罗数据、微调模子后再提交，，这在具身圈被视为正常迭代，，不算作弊，，和LLM领域的“数据泄露、数据污染”有实质区别。。。

另一条是钻评测机制的误差。。。有些榜权威性很高，，机制却有空子可钻。。。好比RoboArena接纳开放注册、漫衍式评测，，本意是让更多人加入，，却留下了三个空子。。。

图源 / RoboArena官网

一是评测者身份无门槛。。。任何人都能注册当裁判，，短期内大宗新账号集中评测统一个模子，，就能把它的Elo分数快速推高；；；

二是匹配不强制全笼罩，，随机分配敌手不即是必需跟同期在榜者都打一轮，，评测者领使命时，，A 是牢靠的，，B 是从分数相近的模子里随机抽，，样本不敷大时两个模子完全可能一次都排不上。。。好比Spiritv1.6早期与DreamZero交手，，23场后息兵，，与5月30日入榜的英伟达Cosmos3-Nano-Policy为零对战；；；

三是集中刷评，，用多个账号麋集评测自家模子，，把负面纪录降低。。。好比Spirit v1.6的310次评测纪录中，，72%的分数来自于ECUST和Robotics Lab两个账号，，它们用224场评测刷出97%胜率，，把Spirit v1.6推上第一，，但英伟达用同样条件自测21次，，胜率0%，，两组数据摆在一起，，直接让从业者爆发嫌疑。。。

事后，，RoboArena补了规则：评测者必需是无利益关联的第三方，，堵住自刷账号的入口，，评测完成率低于20%的账号标为可疑，，堵住选择性匹配。。。而处理后，，千寻跌出榜单。。。

尚有一种方式最隐藏也最泛滥，，是资源置换，，把榜单直接做成生意。。。

不少媒体榜评选标准并不透明，，有的爽性与被评工具保存商务相助，，双方联合发一份“权威报告”，，把媒体榜和学术benchmark并排包装。。。它不涉及手艺，，也不涉及数据，，只涉及预算和关系。。。不止一位从业者体现，，刷榜、买榜等征象并不少见。。。

这三种手法往往叠加，，先靠针对性训练或钻空子把分数刷上去，，再用赛道偷换掩饰泉源，，最后用话术对外撒播，，须要时再买个媒体榜背书。。。层层包装之下，，“第一”就成了。。。

这些手法在行业内部并不是神秘。。。真正的问题在于，，看透它们需要一定的手艺功底，，手艺越重大，，外行越难分辨，，故事就越容易讲。。。

03.去掉水分，，还该信什么？？？？

不止一位具身智能从业者坦言，，他们当下已经不太关注榜单排名了，，由于榜单能刷、能买，，即便一切合规，，物理情形的重大性也让数据很难做到百分百准确。。。

更深一层的问题是，，这个行业现在还没有一把“通用的尺子”。。。

具身智能从业者gashero用“炒鸡蛋”和“拌凉菜”打了一个例如：机械人A善于炒鸡蛋、乐成率90%，，机械人B善于拌凉菜、乐成率85%，，但不可就此说A比B强。。。炒鸡蛋磨练抓取和翻锅，，拌凉菜磨练精准倒料和搅拌，，两件事手艺差别、难度差别、评价标准也差别。。。当下的具身智能赛道还没有一个统一标准，，能把“炒鸡蛋的能力”和“拌凉菜的能力”折算进统一个打分系统里。。。

不过，，这不代表榜简单无是处。。。从业者普遍以为，，榜单仍有其参考价值，，要害在于知道什么值得看，，以及看完之后还该看什么。。。

图源 / RoboChallenge官网

综合业内共识，，真正可信的榜单，，概略同时具备三个特征。。。

一是分项透明，，不是只甩一个“第一”。。。

岂论综合榜照旧专项榜，，可信的做法都是把细项逐一拆开。。。以RoboChallenge Table30为例，，它测的是30项日常使命的综合乐成率，，可信之处在于，，不但告诉读者64.33%这个综合数字，，还让读者看到30项里哪几项做得好、哪几项掉链子。。。只报总分、不报细项的榜，，价值要大打折扣。。。

二是评测由第三方掌控，，且有反刷题设计。。。

MolmoSpaces不允许微调，，模子直接“裸考”；；；LIBERO-Plus则加了光照突变、配景杂乱、相机角度转变等极端扰动，，专门防止靠死记硬背拿分。。。它们的配合特点，，是让刷题变难，，让泛化成为真正的门槛。。。

三是看评测机制，，而不是看更新频率。。。

更新慢的榜单纷歧定可靠，，更新快的榜单也纷歧定可刷。。。有些榜更新慢，，可能由于真机评测本钱极高，，好比RoboChallenge一次完整评测周期可能要数周，，30项使命每项跑10次，，一共300次真机实验，，7×24小时一连运行，，这是物理天下的本钱约束。。。而有些榜更新快，，则是机制设计。。。好比RoboArena接纳了Elo评分系统举行动态排名，，天天都有新对战数据进来，，排名自然天天更新。。。这种快自己不是问题，，它的可信度取决于机制是否严密、误差是否被补上。。。

可是，，既然圈内都知道榜单有水分，，为什么各人还在拼命刷？？？？

谜底在于行业当下的阶段。。。

眼下这场“第一”的争取战，，实质上是资源焦虑的产品。。。今年是具身基座模子麋集迭代的一年，，早期赛道出货量、营收、订单量都不稳固，，只能拿榜单顶上。。。融资导向的阶段没变，，刷榜这件事就不会停。。。

当行业进入下一阶段，，评判的标尺会自然切换，，例如每年交付几多台、有哪些牢靠客户、是否能盈利。。。到那时间，，“第一”的通货膨胀会自然消逝，，榜单也会退回它本该在的位置。。。

或许，，那些不忙着刷榜、只顾着把机械人送进产线的公司，，才是行业真正的谜底。。。

*题图由「定焦One」拍摄。。。应受访者要求，，文中米范为假名。。。

莱芜seo之道：深耕本土，，毗连全球

〖One〗在数字化浪潮中，，莱芜的企业若想脱颖而出，，SEO（搜索引擎优化）是不可或缺的利器。。。它并非高深莫测的手艺，，而是一种战略，，犹如昔人所言“工欲善其事，，必先利其器”，，SEO即是企业在互联网时代披荆斩棘的利器。。。关于莱芜外地的钢铁、农产品、旅游等特色工业，，通过精准的SEO结构，，能让天下以致全球的潜在客户，，在搜索相关信息时，，第一时间发明莱芜的优质资源与服务。。。

〖Two〗实验莱芜SEO，，主要在于“深耕本土”。。。这意味着需要充分明确和融入外地文化、工业要害词与用户搜索习惯。。。例如，，围绕“莱芜钢铁”、“莱芜生姜”、“雪野湖旅游”等焦点地区标签举行内容构建。。。这正如营销学中的“定位”理论，，唯有占有用户心智中的特定位置，，才华在信息海洋中建设稳固的认知锚点，，让外地品牌形象深入人心。。。

〖Three〗内容为王的规则在莱芜SEO中同样适用。。。建设高质量、原创且与用户搜索意图高度相关的内容，，是获得搜索引擎青睐的基础。。。站在的恢复目的上，，重点是先稳固会见路径，，再验证搜索抓取是否重新获得准确信号。。？？？？梢粤道澄叩睦返涔省⑸こ杉ɑ蚬ひ刀锤缓衲谌。。。犹如《孙子兵法》所强调的“知己知彼”，，既要相识自身优势，，也要洞察用户需求，，从而产出能解决用户问题、提供价值的文章或资讯，，自然能吸引链接与流量。。。

〖Four〗乐成的莱芜SEO，，最终目的是实现“毗连全球”。。。在夯实本土线上影响力的基础上，，应逐步拓展至更普遍的相关领域和长尾要害词。。。使用外地化服务列表、地图优化以及起劲的线上口碑治理，，将本土信任度转化为品牌资产。。。这个历程，，恰似“星星之火，，可以燎原”，，从服务好莱芜外地及周边网民最先，，逐步建设起更普遍的网络影响力，，为企业在更辽阔的市场上赢得先机。。。

从《SEO帝国》看搜索引擎优化的生长史

〖One〗《SEO帝国》一书，，将搜索引擎优化的兴起描绘为一场信息时代的革命。。。书中提到，，早期互联网犹如混沌初开，，网站排序规则尚在襁褓之中。。。一些敏锐的先行者，，犹如帝国的早期拓荒者，，发明了网页代码中那些可以“做文章”的地方。。。那时的优化，，带着几分蛮荒与投契色彩，，要害词堆砌、隐藏链接等手段一度盛行，，构建了帝国最初的、不甚稳固的地基。。。这段历史提醒我们，，任何领域的起源，，往往都陪同着探索与杂乱。。。

〖Two〗随着搜索引擎手艺，，尤其是谷歌算法的一直迭代，，帝国迎来了它的“法典时代”。。。本书指出，，这个阶段的焦点特征是规则简直立与秩序的建设。。。以PageRank为代表的算法，，首次将链接视作投票，，让内容的权威性成为排名的主要基石。。。帝国不再任由投契者支配，，转而推许那些提供真实价值的“良民”。。。《SEO帝国》强调，，这一时期是SEO从业者从“手艺黑客”转向“战略剖析师”的要害转折点，，优化事情最先与用户体验细密连系。。。

〖Three〗《SEO帝国》用大宗篇幅形貌了移动互联网与人工智能对SEO领域的重塑，，堪称帝国的“手艺飞跃”期。。。当智能手机成为信息入口，，响应式设计、页面加载速率变得至关主要。。。而谷歌“蜂鸟”、“BERT”等算法的推出，，意味着搜索引擎已能明确自然语言的深层寄义。。。帝国不再仅仅阅读文字，，更最先明确意图。。。书中警示，，依赖旧有技巧的优化战略犹如过时的武器，，唯有创立真正知足用户需求的优质内容，，才华在新时代的帝国领土中驻足。。。

〖Four〗展望未来，，《SEO帝国》描绘的图景是“体验为王”。。。未来的搜索引擎优化，，将逾越要害词和链接的领域，，深度融合于整体的数字化体验之中。。。页面交互的流通度、内容泛起的直观性、品牌故事的信服力，，都将成为影响排名的无形之手。。。帝国将越发智能化、人性化，，其最终目的是为每一位搜索者提供最精准、最知足的谜底。。。这意味着，，那些能够深刻洞察用户、并以此构建全方位优质体验的网站，，将成为这个重大帝国中新的贵族与领主。。。

要害词优化排名盘问：洞悉市场脉络的制胜之钥

〖One〗在数字营销的辽阔战场上，，要害词犹如指引访客的灯塔。。。按期举行要害词优化排名盘问，，是每一位网站运营者必需掌握的基本功。。。正如古语有云“知己知彼，，百战不殆”，，不相识自身网站在搜索引擎中的位置，，所有的优化起劲都可能沦为无的放矢。。。通过系统的盘问，，方能清晰描绘出目今的竞争名堂。。。

〖Two〗有用的排名盘问，，远不止于纪录几个数字的升降。。。它更是一个深度剖析的历程，，需要视察竞争敌手的战略，，洞悉搜索引擎算法的玄妙转变。。。古板商业智慧强调“察其言，，观其行”，，在网络天下中，，即是剖析敌手的要害词结构与内容架构。。。这些洞察能为自身的优化战略提供极具价值的参考坐标。。。

〖Three〗执行盘问时，，需要建设恒久跟踪的机制。。。市场情形瞬息万变，，今日的高位排名明日可能滑落。。。因此，，将盘问数据准时间维度举行纪录与比对至关主要。。。这犹如《荀子·劝学》中所言“不积跬步，，无以至千里”，，一连的数据积累，，终将搜集成展现纪律、展望趋势的名贵资产。。。

〖Four〗最终，，所有盘问所得的数据与洞见，，都必需转化为详细的优化行动。。。无论是调解页面内容、优化元标签，，照旧构建高质量的外链，，行动是毗连盘问与效果的唯一桥梁。。。切记“行胜于言”的古训，，将洞察付诸实践，，才华稳步提升网站在搜索效果中的能见度，，在强烈的竞争中赢得一连的关注与流量。。。

SEO优化托管：企业网站长效增添的焦点引擎

〖One〗在网络营销领域，，SEO优化托管服务已成为企业实现可一连在线曝光的要害战略。。。正如营销专家常言：“酒香也怕巷子深”，，一个缺乏专业维护的网站，，纵使内容优质，，也极易湮没于海量信息之中。。。托管服务将企业从繁琐的手艺细节中解放，，交由专业团队举行系统性维护，，确保网站在搜索引擎的“竞技场”中始终坚持竞争力。。。

〖Two〗SEO优化托管的精髓在于其系统性与前瞻性。。。它并非简朴的要害词堆砌，，而是涵盖网站结构优化、内容生态建设、外链战略及数据剖析的完整闭环。。。这犹如中医调理，，考究“标本兼治”，，通过一连的数据监测与战略调解，，从泉源上提升网站的康健度与权威性，，从而赢得搜索引擎的恒久青睐。。。

〖Three〗选择SEO优化托管，，意味着选择了稳固的投入产出比。。。自建团队往往面临本钱高、履历波动大的挑战，，而专业托管机构依附其富厚的案例库与算法追踪能力，，能更高效地规避风险、捉住机缘。。。历史履历批注，，那些在搜索排名中长居榜首的品牌，，大都背后都有着一支隐形的专业托管团队在提供长期动力。。。

〖Four〗总而言之，，在数字营销已成主流的今天，，SEO优化托管不再是可选项，，而是企业构建数字化资产的须要投资。。。它将专业的优化事情流程化、服务化，，让企业能够专注于焦点营业，，同时享受搜索引擎带来的一连、精准的流量盈利，，最终驱动营业实现长效稳健的增添。。。

拉萨SEO，，怎样让布达拉宫的阳光照亮你的网站

〖One〗在圣城拉萨开展网络营业，，SEO优化犹如朝圣之路，，需要清晰的偏向与长期的耐心。。。并非简朴堆砌“拉萨旅游”、“布达拉宫门票”等热门词汇就能抵达终点。。。乐成的拉萨外地SEO，，焦点在于精准明确这片高原上奇异的风土人情与搜索意图，，将网站内容打磨得像经筒一样，，每一次转动都能触及用户真实的祈愿。。。

〖Two〗《孙子兵法》有云：“知己知彼，，百战不殆。。。” 举行拉萨SEO，，主要即是“知彼”。。。需深入剖析外地用户搜索习惯：是寻找冬日暖阳下的客栈，，照旧夏日徒步墨脱的攻略？？？？是咨询高原反映的预防，，照旧相识唐卡制作的工艺？？？？只有像绘制坛城沙画般详尽，，才华构建出切适用户期待的内容基石，，让网站在搜索效果中如大昭寺前的唐蕃会盟碑般稳固显眼。。。

〖Three〗内容为王的规则，，在拉萨SEO中同样至高无上。。。网站内容不应是浮于外貌的简介，，而应如一位博学的向导，，能讲述布达拉宫白墙每年粉刷的习俗，，能剖析色拉寺辩经手势的深意。。。这种深挚、奇异且充满人文眷注的内容，，正是吸引高质量链接与一连流量的甘露。。。当你的网站成为关于拉萨某个细分领域的权威信息泉源时，，搜索引擎自然会报以青稞般丰盛的排名馈赠。。。

〖Four〗手艺优化是确保网站流通无阻的“天路”。。。在拉萨，，移动网络笼罩与内地都会保存差别，，网站加载速率必需像遨游的雄鹰般迅捷。。。确保网站在种种装备上都能流通浏览，，犹如确保八廓街的转经道平整无碍。。。同时，，在百度站长平台等工具中明确标注服务地区，，强化外地营业信息，，能让你的网站在外地搜索中，，犹如夜幕中灯火通明的布达拉宫，，成为最耀眼的目的地。。。