狮子山实验室发布 Lion-ER，聚焦具身推理效率
招商局狮子山人工智能实验室推出 Lion-ER-35B-A3B，强调围绕机器人能力缺口设计数据，而非单纯扩大训练规模。
招商局狮子山人工智能实验室发布具身推理模型 Lion-ER-35B-A3B，目标是帮助机器人理解并执行真实世界任务。该模型没有把单纯增加通用训练数据作为主要路线，而是强调围绕能力缺口构建数据引擎。
实验室介绍称，Lion-ER 会先明确机器人需要掌握的能力，再通过评测发现模型短板，针对性地生成或筛选数据，随后继续训练和复测。这形成了“能力目标—评测—补数据—迭代”的闭环，而不是把数据集规模直接当作进步指标。
从命名看，模型总参数量为 350 亿，激活参数约 30 亿，可能采用混合专家架构，以较低的单次推理成本保留更大的模型容量。公开演示重点放在物理世界推理和任务完成判断上，其中包括模型在多次尝试后仍能判断任务“尚未完成”的案例。
这一点对具身智能尤其重要。语言模型可以流畅描述一个动作，却不一定知道动作是否真的成功；机器人则必须识别缺步骤、发现失败，并只有在环境状态满足条件时才宣布完成。能够在正确时机说“还没完成”，有时比生成漂亮指令更具实用价值。
Lion-ER 目前还不是一个已经被充分验证的基准突破。公开资料对硬件、数据集、部署延迟以及与主流具身模型的对比披露有限。它更值得关注的地方，可能是数据方法：如果按能力设计数据确实优于盲目扩充规模，那么较小激活参数的模型会更容易部署到中国机器人平台。这个判断仍需要独立、可复现的评测来确认。