（来源：上观新闻）
打个比方：🤚🚀这就像请了◼⛏一个修理工，🆑💶他每动一下扳手✝🔓之前，🍢🛷都要你🈂🗃把整栋楼的图🎀🇲🇪纸从头念🔤🔸一遍给他听—🥮🛄—念图纸的钱🇸🇻⛽，远比🕒拧螺丝的钱贵得🦟🧬多🧜♂️💇。
训练完成后，这↪个分类器就成了🤧一个"👑靠近机器人世😫🧖♂️界的程度🇮🇱🚤评分员"——🇹🇷sem是什么的缩写对海量🕌🇻🇪VLM数据的每👨🏫🇳🇵一个样本💖✳打一个0🕟🎬到1之间的分🇨🇴💁数，分数越高，说🛐明这个样本与机📿🇲🇶器人操作数据的"🚜sem是什么的缩写世界观"越接近🦠🏆。
这里就出现了一个📉🧖♂️ gap⚛。它就像是专🇺🇬门为数学🍸👩⚕️考试突击🛋🤧训练的应试技巧🔻🔹，只有在遇到标准💋🕘问答题时🐯👶，模型才知道要列🕚🇲🇺出步骤；一🕶👩🦱旦回到日🌄常的随便闲聊或🍦🇩🇪者阅读普通🚤文章时，模型🇹🇱☄就又被打回原🚧形，继续😉不假思👁️🗨️⚙索地往外吐字😔🇨🇦。
