（来源：上观新闻）
第四种🛷替代方案🖨🇳🇵是困惑度差值（D✨🔩elta Per◀😮plexity🥅）：计算VLA微🇮🇪调前后对每个📃样本困惑度🇻🇨的变化量，差⬛值越负🛣🇨🇼（即微调后🇲🇲困惑度😽🍞下降越多）说明该📙样本越符合V🚑🍖LA的"学习方向🏩🙎♂️"🍖。这指向了一个更👗🕦深层的机🇷🇸🇸🇪制，论文称⏲之为「过早固📕化」（early♠🇧🇭 fixa🧵🔖tion🚷）🔌。在法语中，🍶它的昵☑称是escarg☔ot（意为“蜗💂♀️🏹牛”）🦞♻或peti🍍⛎t escarg💜🌋ot（意为“🤴😔小蜗牛”）🛴🇧🇿。在法语🖊中，它的昵🐊🌏称是esca😚🐣rgot（意为🥩☑“蜗牛❣”）或petit🕛 es🍛🧩cargot（意🌦🥒为“小蜗🐃牛”）🇸🇲。
AI 闹：Els🆙er.AI🇲🇱🕘 来填的就🌀🙊是这个 g⏫ap👨🏫。机器人难卖🙋🤾♂️，不是贵，是🕺♠没人管 具身智⚛🦓能行业当前面临着🏏👾一个典型的成长阵🇸🇭🇬🇸痛：顶尖的技术🏺团队在不断推高机🚍👪器人的泛化🐍👷上限，但🐞🈂真实世界的应🔕🇺🇾用场景却散落🔊在极其零碎的毛🧨细血管中🇪🇨🎸。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🥙。结果显示，🔴🥢在POPE（物体👉幻觉评估）上几乎🔮没有变化（8🧘♀️⬆6.33 v🧂🆒新站做泛目录s 86🇳🇮🌹.29🖇🚤），在V⛎🐈isuL❎ogic🍍（视觉逻😇🐑辑推理）🎱🐺和3DSRBen🇭🇳🌒ch（三维🛷🎄空间推理）上略9️⃣👿有提升（21.0🥖🏃♀️0→24.9🇬🇫🐜0和47.🇧🇭💝87→49.5🇭🇲1），而在BL🇲🇷🇨🇳INK（♓多模态感知🐸💇基准）☯和Spa🙎🐐tialEv👩👧👦🎎al（空间推理🐞🧂基准）上有中等🤽♀️程度的下降（4🇪🇪🐋3.45→42️⃣0.45🔹🏔和49.👨🦰82→48🐑.00）🇻🇮🇰🇭。
