（来源：上观新闻）
孙海定解释☕道：“其🦵原理与太阳能✖🇷🇸电池类似🚨🔟，太阳能😆👨⚖️通过照在电池板🇬🇺上产生电流从而实🆑现发电♏🔶。想象一⚾下这个场景👨🔧🐶： 你让 A📓I A🕸gent🤾♀️ 帮你🎹修一个代码 B🍒🇮🇲ug🌟。第二种🧟♀️📅替代方案是特🌂⚡征空间平🔒🚻均距离：🥁对每个👋候选VL🕵☑M样本，计🇦🇷算它的VLM内🥪部表示与🧠🇧🇧所有VLA样本🇾🇹内部表示之间的平🧸均欧氏距🇦🇬🗽离，距离越小💬🇮🇩的样本⛑✳优先入选😀🐤。
一个调查数据显示🛶😢，Goog😫le AI 搜👨❤️💋👨😬索新闻的🇪🇷结果，十条就有一♋条是错的🏴。字节过往在很多赛🏃道，都是靠低价、🦹♀️补贴打🛵赢战争，®💢但这一🤳🚧次，它是定价更🚭⛈高的一方，👔🍿能不能扛👨⚕️住内卷🇹🇭🇼🇸、坚持💉靠价值定价，是一🚅🇬🇳个巨大的考🌻🈹验👫。第三种替💴🇱🇾代方案是V🇮🇸LA条件困惑度：⛳🧟♀️先把VL🇮🇳M在文本形式⚗💎的VL🏛🈁A数据上微调🏬一遍，然后用🔞这个微调后💵的模型对候选V⚱🇹🇯LM样本评估困惑💣🚂度（困🧮惑度可👨🏭🤺以理解为模型✡🐞对这段内容🇸🇾⬛泛目录泛域名的"意🆒🛏外程度🇺🇾⚗"，越低说明越符🙅♂️🤚合模型👨👩👦👦预期），👈困惑度🌅越低的样本优🏄♀️😈先入选🍳🍉。
曲线显示🌴，经过中间训👨👨👦练的VLM🇦🇩🥋在VLA微调的⛸🇹🇴最早阶段就已经表🧼🇿🇦现出更👌高的任务成功率，🛀Ⓜ并且随着VLA训🇸🇾🚾泛目录泛域名练的推进，🗳🇨🇻这个优7️⃣势不但没🤥有消失，反而🚊持续扩🔥大🦎。结果发现 Gem↗📫ini 2 时⚽期，准确率🕦约 85%，错误🚕🎁率 15%🕷😙。结果显示⚠🚐，在POPE（🍡物体幻觉评估）上🛎几乎没有变化（🈷🇪🇷86.33 vs🤴◀ 86.🛄😖29），在V🇬🇭isuLog🍍ic（视觉逻辑推🧽🇮🇪理）和3DSRB🕍ench（三维空〰间推理🐙）上略有提🧗♂️🇿🇼升（21.0💮0→24.90👱♀️和47🏀🥁.87👻→49.👨🌠51），⛺而在BL🔔✌INK（多模态🧭感知基准）🇴🇲和Spatia📀lEval（💘空间推理基准）上🇻🇪🇨🇼有中等程度的下降🇷🇴🇨🇩（43.4🎋🙅5→40.🐗45和49😭.82→48.0🤦♀️⤵0）⏸🇳🇿。
