（来源：上观新闻）
这说明邻近性☀估计器捕捉到的🧔数据对齐🐭特性具有跨模型迁👨⚕️移性，不🏍依赖于特定的VL🥮M架构，🎥反映的是数💡据内容本身与机器🧱人领域的相6️⃣🏴关程度🇬🇷。有时候模型在草稿🌁💖纸上写下🌘的东西完🧙♂️全是胡思乱想，☪🌤对后续的回答🥊❎毫无帮助⛎。
“我们在🐮创立之初就定🐶🇻🇦位全球市场🌊🤳。这样你的🌺 AI⬛ 视频💱工具只🛠是一个生产车间，🇮🇴😑而不是🤹♂️🤡他的家🎛🎋。研究团队把VLM🙋的训练数据和V🗿🎄LA的训练数据🦊放在同一个🇧🇼"坐标系🧹⚡"里，♎用数学方法衡量它🐓👅们之间的距离👨👩👦👦🐺。
作者批评了 AI👨👩👧👦🌾 工具行业的🎌🎍主流评估方式😅：用点击🛑🦙率、复制🧐😷率、采纳率来衡量🍱 AI 建✏议的价🚵♀️⌨值🇱🇷🍙。还有一🙎♂️个令人深思的发🦕🦕现：模型缺乏“🇪🇭🇧🇬止损意识”📻。
