（来源：上观新闻）
第三种替代方3️⃣案是VL◀A条件困✈👩👦👦惑度：先把V⏹LM在💹🇩🇪文本形🥬式的VLA🇦🇱数据上微调🇳🇨一遍，🤺然后用这个微调后⏏🔈的模型对候选🈺🇨🇼VLM样本评估困✅🇧🇲惑度（困惑度可🐲👩👧👦以理解为📰🔗模型对🍠这段内😷🦖容的"意🇵🇲🤚外程度"，越🔒🗞低说明越🏢符合模型预👩✈️期），困惑度越低🕛的样本优🐊先入选🛰。
人脑没有这套机🦑制🖍🎎。此前有一种叫📵作STa🍺🇸🇿R的技术，试图让👨🎤😲模型在🇧🇬解决特👨🎓定问题时写下思🚡考过程🍱。他做这🎷件事是💯🇻🇦因为意🥝🇺🇲识到：漫剧的消📥费本质上是一🚩🎣次性的，用户🐓看完就结束了🚇。用t-SNE可❓视化（一种把🤧高维数👩👩👦🇷🇸据压缩成二维图来🇳🇿🚸直观展示的技🔣🏗术）来看，机🇹🇬9️⃣器人数据形成的那🔐🏊♀️几个簇，与VLM✉🍳数据的主要区域🥭几乎不重叠，只🌷有极少数VLM样🤽♀️↙本漂浮在靠近🛀🇧🇫机器人数据的边😢缘地带🇭🇺。
