（来源：上观新闻）
站在产业拓荒🔝🇰🇷期的视角，这☃🐱种深度绑⛹️♀️🇦🇶定并非🧙♂️怎么自己弄一个平台制约，而是行🍘🔁业完成🇬🇬⛷商业化“🍽冷启动”的最高🧻🍲效选择😖。从数据集层面🎠🧢看，RefS🇨🇮💕patial（🦌🙋♂️怎么自己弄一个平台专注于空间指代推✳理的数据集）获得🚻🇨🇳了最高的平均分🗃，而VC🇳🇨💵R（视觉常识推🤯理数据集，🇧🇦主要涉及对👠图片中人🌮物行为意图的⁉理解）获得了最🇬🇦🍲低的平均🗨分🐣。
这里就出现了一个🍇🔢 gap🏘。它是一个🤬👨👧👧简单的⚒🇧🇯线性层🤶，建立在冻结的V🇦🇷LM特征之上，不🇼🇸🚴需要对VLM本🍻身做任何改动🦐🛹。
Bek讲🔟的是B端，AI🏞替企业做账、审🌀合同，取代原👩🌾🇨🇰有外包商，核💶心是替代已有服🤼♀️🌺务👖。更麻烦的是，🛏🇱🇷研究者🤬📲们此前也尝👩🎓试过专门💰7️⃣把VLM在"具👯♂️🚯身场景"（即🐍机器人🐜所处的👩🦳🔵真实物理环境类数🎦⛱据）上再做一轮🌂微调，期望让它🧑更理解机器🍀人世界——但实验☹证明，这样🇩🇴🇳🇷做在V🍩LM的理🚑解能力测试上💆♂️🐰可能有提升🇱🇰👅，却未必🧢🇲🇲能让机器人真🇧🇯正做得更好🎭😤。
