（来源：上观新闻）
最离谱的一种出错🛥⌛方式找到了正🔡🏋确的来源，🇻🇨但给出🍡🏆相反的🌽🚻答案🦙。据古尔曼爆料，负🗺责上述桌面机🇵🇱🕕器人项目的团队🦡🌶负责人⛎已于去🧸年跳槽至 💰🏑Meta🥾。在传统的🤹♂️商业逻辑中，高价🍙🎑值设备❇🇲🇴在跨区域🔞、跨场景流转时👨🔧，风险🇲🇱💖界定极🇬🇸其模糊🦔。最令他欣慰的🐓不是获得🇭🇷🧲奖项荣誉，而🔶🧖♂️是参与设🖲计的隧😙🈁道通车多🐆🍏年后依然安全🔥如初➡。
VLM常用的训🏤练数据，包🦚括大规模图文匹配🇪🇨♑数据（如LAIO👩🎤N-40🤷♂️🇵🇲0M、🈚CC-1🐶2M）🆘、视觉问答数据🛑🐄（如LLa⛹😨VA-In🍹struct-6🏡🔄65k）、👁️🗨️👩💼视觉常识推理数据😵（VCR）等◼🍩，它们彼🌀此之间的距离普遍🥬🏀较小，属于同一个🇬🇶👩👩👧👧大家庭♻。他向员工表示👨👨👧，公司“不会✈👷♀️为了技术而发布🙎♂️🎹技术”，这意👨👨👧👦味着发😐布将以可用性和系🇱🇻统级一致🛄🕵性为导向，而不仅🎡仅是追求速度👨🚒。
◀ 田间地头🇷🇸9️⃣的“数字员工”🔈：从无人机到🍛📔无人农场🍔😤 ▶ 当↖不少行业😪还在讨🕣广告投放靠什么盈利论“数🐺字员工”能🚶🎀否替代白🇺🇦领时，农业🐹领域的🌧👽“数字员工”早已™下田🏌🔻。这个发现至关重要♏🍕，它意味👛👨❤️💋👨着：与其抛弃所有🇮🇹🔙VLM数据重来，🕗不如在VLM那片🤾♀️广阔的数据大陆上🆓，精准地☮👨🦰挑选出👨✈️📊那些与机器人世🕣🐒界更接🙍♂️🇷🇸近的"边境地带"☑样本，用它们来👩🚀🍨做针对性的过🐟🧮渡训练🚴。
