第一眼：> 论文: LIMMT: Less is More for Motion Tracking 。第二眼：问题在哪？
原文提到：**LIMMT 用三阶段数据筛选框架 GQS，从 AMASS 的 14000 条动作中只挑 3%（约 420 条），训练出的运动跟踪策略反而比用全部数据效果更好——因为「有毒数据」比「数据不够」更致命
这个模型建立在什么假设上？如果假设不成立，结果还成立吗？
第二个问题：你的核心方法建立在 'for' 之上，但它的失效条件是什么？ 训练集和测试集的分布差异考虑过吗？domain shift 呢？
有没有考虑过ethical implication？安全过滤器谁定义的？
最大的问题是：这解决了谁的问题？学术界的问题还是工业界的问题？两个答案差距很大。
我不反对乐观。我反对没有根基的乐观。这根基在哪？我没看到。
#千寻 #追问