（来源：上观新闻）
3. A😏gent♓🍚 需要“🇬🇧油表”和“刹🌹车” 论文提⏱🍿到一个⚓值得关注的🐡👳♀️未来方向——B🤬udget🇱🇺🇪🇷-aware t🚯ool-use 🦟📜polici🔱🥡es（预算🍘感知的🎑♦工具使用策⏲⚰略）🎞⚜。其云端处理能力👥可支持1🎣💹000人同时检🇨🇿查，满负荷运🌞🧒行每年可应对1🌐.5亿🙋♂️人次的胃❕⛹部胶囊🇹🇹影像检查👳。
无论同👀🛰时考100个学🇲🇴生，还是跨城🔦🇯🇲市、跨机构统一🦞◀考试，都可以用同🇲🇿开源低代码平台一把尺子😹🇮🇨衡量😇。我们切的是🇹🇲 PGC 到🥩小 B 👨🦳之间的专业❣创作者（P🧩😜ros🚻umer，以下🇵🇦简称 P🛀🔌），他们有热🔱情、能产出消费📶📳级内容，而🐅👩👧👦且他们需🐒要工具、需🇪🇹🌽要分发、🔕需要变现通🇨🇵路🧂。LLaVA-🙈🇸🇸Instruct📉🇦🇫-665k贡🆓献了2👨🏫0.2%🔶，RoboP🏣🌤oin☕🇩🇯t贡献⛹🎞了19.9%🇵🇷⛷，RefS🐽patial贡🇰🇵献了14.🧳🎟7%，🍖Robo2VLM🆚🇲🇳贡献了9.2%👫👨👨👦，CC-12📪🇬🇳M贡献了3.7🙌%，而Emb✏🏴Spa👊tial-B🚋⛸enc⛵◻h和VCR则几乎🏠🖤被完全💗淘汰（分别仅占0🕚🔗开源低代码平台.1%和0.0%🇬🇮🍁）🚧💔。
其三，筛选😙🤓的结果🇬🇳🎸在覆盖范围🇼🇸上保持了高度多样🎢🐴性，并没有退😻🚐化成一堆🏰雷同的机🤹♂️🤕器人风💇♂️🚅格数据👨👨👦🇲🇨。最经典的例🇳🇬👩🌾子是眼睛👨👨👦。第四种替代方案是🧗♂️困惑度差值（De📵🇭🇺lta Per🧂🇵🇼plex🥘🔹ity）：🕒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VLA的"学习📵方向"🇺🇬。
