（来源：上观新闻）
结果显示，精选后🇹🇹的VLM数据💰⚓多样性得🇭🇳☃分为1.93，与🇳🇪通用VL☢👊M数据的1.🌥🇨🇨96非常接🐍近，远高于具身🍏导向V✡🐑LM数据的1.6🇸🇳🇬🇷2和VL⏰A数据的🥯1.26⚛🚡。
他表示，“科研👽🛀为工程服务，工👨⚕️程需要什么🥧就研究什么🈶。更麻烦的是，研🦸♀️📤究者们此前也尝🇳🇷🃏试过专门♌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🐜。
」这正好印📺🧱证了研✅究者的判断👩⚖️。**四、为🧗♀️什么不乱🏧🌱选一批数据🏞凑数？🥥🕶消融实验揭示选👩🦲🌚择质量的重要⛸性** 为了验证📲精挑细选这个步*️⃣骤到底有多关键🧚♀️，研究团👨🎨seo是干啥的队做了🚍一系列⛺✳消融实验，🧗♂️💏把学习得到的邻近🔈🕠性估计器🗂和几种🇨🇵🇳🇪替代方📻案进行对比🏇。
