（来源：上观新闻）
换句话说，在🇮🇴机器人任务🍭上真正重要的🧝♀️🤧模型能力⚜🎣改进，并👨👧👦🕍不必然反📏映在训练🎯损失的变化上，🇵🇹这也解释了为8️⃣什么单纯在具🚽🔬身场景数据🥜上微调VLM（🦁🧝♀️那样做同样会👇降低训练损失🕐🇬🇧）却未必👣能改善机器人任🧦务表现📙♠。
这个工具的设计思↗路，借鉴🥨了一个来🗄📿自统计🥩学和机器🎎🌶学习的🐻✋经典结论：如🛷果你训练🕤👖一个分类器，让它🕰💸区分"属于A类🍫🔈"和"属于B类◽"的样本，当这个🐑分类器训🇲🇸练得足够好时，😘它给每个👕🍛样本打的"属于🚙🌃A类的概率"⏏📹，恰好与这个样🏴本在A类🇰🇭🛋分布下出现的概率⛓🔙与在B🎂类分布😏👭下出现的概🚖率之比成单调关系🇦🇿🌞。
它让AI不仅能🚬应对复杂的数学逻🤐🥮辑题，👩🦰还能在🥪阅读普通🆘网络文本或书⏏🥊籍时保持思考的🏴习惯，从👡🇨🇷搜索seo而大幅提高AI回🍜🤸♀️答的准🀄搜索seo确性和🇲🇫逻辑严🙋🎈密性🕺🚰。
