（来源：上观新闻）
当我们在屏🕗幕上打下问题并⚛按下回车键，光🇮🇶🇺🇸强引蜘蛛工具标闪烁的瞬间🐠，文字就像瀑布🇬🇧🧒一样倾💚🖖泻而下💧⭐。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🏳️🌈。这种权衡是可以接💽🇦🇺受的，©🙀因为中间◾👵训练的🥦目标本来就🏅不是让VLM⛪在所有任务🇵🇬上变得☔更好，而是♾️🖇让它成为☑🇸🇴VLA学👚习的一个😩🙉更好的起点🇦🇽。**二🦢、如何👩💼从海量数据❕里"选出好学💩👩🏫员"** 弄清👨💼😋楚了问题所在🕔，研究🎁🇦🇩团队设计了一🚶♀️🎿套数据💗🇲🇴筛选引擎，核心是🤓📲一个他🕴们称之为"邻近性🇲🇱💬估计器"的轻量👩💼🇸🇸级工具📃。
这直接🌯👙说明了👽🇲🇫中间训🎹📩练的收益📐🇳🇪不是来自"更多数🇧🇮🕳据"本身，而🔇🇧🇶是来自😇数据内容与❓🕵机器人领域的🔩对齐程💀👟度💑💛。此前有一种叫作😩STaR的技🦇术，试图⏩让模型在解决特🕺定问题时写下🐑🍫思考过程🇦🇮🤓。这是擎天租🎍起盘的底气⛈㊙。其他社交网络也纷🤞🌚纷效仿，推🦕🇲🇭出了类⚡似的功能，@🌺符号很快成👨👩👦👦⏺为促进在线互动的🇲🇫🇮🇹标准工具🍻🚥。
