（来源：上观新闻）
我们这个业🚋务其实跑得很快，🌖但后来遇🧁🍮到双减⛽🏆，整个教育🥒☁线都调整了👀♑。海外大的🏍付费群体在中上🍟⚰层——奈🛀✡飞、迪士尼的用🏖户🉐。Reflec💍🤪tion AI🕡 与特😩🎸朗普政府🛁⚱关系密切☢🌚，也正在参与🌌🎇一场由🇹🇩❓美国政府支持的为🧨韩国市场定制👨👧🏘模型的协议☣👩👩👧。结果我难得打📕🇦🇶开电视🗜🕹，却发♉现，电视台已经👨🚒开始用👨🦰 AI🇸🇸 主持人来🇩🇿😅播报新闻🍍。” 很快🍗乘客们看见了这台😥👋名为“Bebo🥨🧖♂️p”的机器人👷，隶属🇧🇲于美国达拉斯设备☣租赁公司Eli🏉🎢域名地址te Ev🤾♂️🇧🇪ent Robo👨👨👧👦⚓tic🐾🏖s，其本体为中🕋🎞国宇树🗃科技生产的G1🇹🇭基础款人形机器人🏋️♀️🚪。
--- 💟Q&A Q🍵1：Embo🕧diedMi📦🍫dtr🇰🇳🇸🇾域名地址ain和普👨🎓通的机器人VLM🌸微调有什么区🥌别？ A🇸🇯☝：普通👁微调通常♉是直接🏌️♀️在机器人场💪♏景数据上继续训练🌩VLM，但📍实验表明这种做📠法在VLM理解🍪🤙能力测试上可能🇩🇴🐎有提升，却未必🚨改善机☯🧶器人实际操✋💹作表现🈚⏮。这说明邻近性👩🎤估计器捕捉👷♀️到的"与机🥿🔈器人世界接近"这🇪🇹🤫一特性，🗿🏆并不是🧺某个特定VLM的🚏个性偏🖍好，而是一种🗯更普遍的、跨模型🇸🇭🔇适用的分💑布对齐信号📞👨👨👦👦。VLM常🚎用的训练数据🇸🇲🦉，包括大规模图文🙏🥠匹配数据（⏳如LAION-4💇00M、CC-🇵🇾🇧🇹12M）、🏬视觉问答数据（如🏴🌠LLaV👞A-Instru🔬ct-↩665k）🌍🌈、视觉💯常识推理数据4️⃣（VCR）等🇲🇾，它们彼此之间💽的距离普遍较小，👝🧐属于同一个🇵🇫🇨🇳大家庭🏈。
