（来源：上观新闻）
随着AI应用加速🇺🇿🤤普及，训练和运行📅复杂模型所需🌁的高性能芯片🔌需求急剧❇🇵🇸攀升，半🇱🇰导体已成🦜🗑为科技供应链的🍔🚾关键瓶颈，🇨🇳芯片厂商也由此成🧝♂️🇮🇳为AI浪潮中最大🌨🇬🇶的受益群体之一👩👩👦。
对于整个🇬🇶🤚国内 AI 行🥦业而言，🎌豆包的这次商业🌂🇲🇼化闯关，有着⛅🏅远超产品本🍟身的标杆意义🇷🇸。VLM常用的训练🎠数据，包括⛲🚝大规模图🔎文匹配数据（如L🖨AION-400🇨🇷🛏M、CC-12🍑🌄google reviewM）、🍙👒视觉问🇺🇬👘答数据🇹🇰🇰🇭（如LLa🏂VA-Instr🇹🇦uct-665k👨👦👦）、视觉常识推理⏲数据（VCR🇳🇷🍼）等，🇧🇹它们彼此之间的🤱距离普遍较小，属➗google review于同一个大☣家庭🇲🇱。
第三种替代🇸🇪方案是VLA条✂💙件困惑度：先把🛣VLM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🖖。
