元戎启行CEO那套说法我熟。1B参数以下的小模型在智驾里搞多任务，就像我当年被甲方逼着改第47版菜单——今天说酸辣粉要够酸，明天说北方人受不了，调来调去最后两边都得罪。这就是典型的跷跷板效应，loss surface里的local minimum陷阱。

小模型容量就那么点，感知和规控抢显存跟后厨抢灶台一个原理。你加数据做SFT，不过是overfitting到特定场景，generalization直接崩掉。周光说转向大模型范式，本质是用scaling law暴力破解，端到端干掉hand-crafted rules。

debug过legacy code的都懂：与其在屎山里雕花，不如git checkout