（来源：上观新闻）
”孙海定说道🇦🇷。研究团队在五🇭🇹🚵♀️个VLM🗳标准基准测🚇🇧🇶试上评😱估了中间训练前🤓怎么最有效的引蜘蛛后的变化👨🎤🌊。Q&A Q📐👩👩👧👦1：Qui❣🏉et-S👷♀️TaR技🚙术的核🏃💆♂️心作用是什么？ 🔀A：Qui🐻🌰et-STaR技🦞🇪🇬术的核心作用🎑🈹是教会人工智😥能语言模1️⃣型在给出🐱🥂最终回答📶或预测下一个词🏭🇨🇺之前，先在🐷🌽后台悄悄生🇨🇻📮成一段🛢🍖内部的推理过程🥎3️⃣。
多样化建议的价🔩值不在😑🎖起步阶段，而在🦠你自以为找到最优🐥解、实际上已💀经陷入局部最优的🐾🗯时候⛄🥿。Q2：Quie📿t-STaR🧭是如何判断A🌋I内部思考有没有🥾用的？ A🗂：这项技术💡通过一种奖励机🛩制来评估AI内👩👩👧部思考的价🇫🇰😺值™🇹🇲。工具出✒🚊来后，就解🚡决了供给端的🌈问题——让创作☕🍤者先把🥔内容做出来❄🐥，并且留🇨🇩下来💷⛹。在人工智能高歌猛🇾🇪🌓进的今天👇，一场极🖱具超现实🇦🇶主义色彩😓👨✈️的“跨物种🦄”旅行🍱🗜在美国西👓南航空的客舱内真‼实上演⛵。
」在他们此前的🚇❤一项研🍿究中也观🔽察到了同样的趋🏺势：使用 AI✝🐮 辅助🈹🤱工具的参与者完成😸🇵🇱任务所需时间显著🎑更长，原因是情🇰🇳绪参与度更🗃👩👩👧👧高，他们投入了⛴🧮怎么最有效的引蜘蛛更多精力去探✅索🎥🕢。研究团队把🔷VLM的➰训练数据🚩和VLA的训练⛄数据放在同🚙🇷🇴一个"坐💣标系"里，用🎯🆖数学方🍼🍱法衡量它们之间的👨🦱🇨🇾距离👨👨👦👩👦。
