（来源：上观新闻）
这个工具的☘设计思路，🌙借鉴了一个来自🔠统计学和机器👩🔬学习的经😫✋典结论🇨🇮🇸🇰：如果你训练💬🈯一个分类器🈵，让它区分"属🛠于A类"和"🍵👩👩👦👦属于B🙂类"的样本，当💼这个分类器训练⚠⛈得足够好时🎼💯，它给每个样🚝本打的🎋🍞"属于A类的概🌃🎯率"，恰好与这个🕧样本在A类分布下🤤出现的概率与🆕在B类分布下出现🙎🇳🇴的概率之比成🇸🇱🔳单调关系🐍👨⚕️。
这种路径的优♦势在于其🍦抗风险能力与☮迭代速度🖥🇶🇦。必须离线，是两者👨👩👦👦🎙最相似⛓㊗的一个共同🍖点🐢😘。所以你必须自己先🐮🇵🇸做供给❄🛵。**三、热身训练🥔的实际效果🇹🇹：小模型逆袭大❕🥁模型** 有了🇦🇸🇳🇵精选数据集，研🎹🌳究团队🏠就用它对🦸♂️VLM👨👩👧👦🏘进行中🧬🛁间训练（全🇭🇹👩❤️👩参数微调，批🕠量大小🚰⚓256，训练5🥭000↕👱步），然🕙🍸后再把这个经过🛴🇩🇴热身的V🍐LM作为起点，⬜✌按照标准流程训🚏练成VL🔢A，在三个机⚗器人操作基准🍾测试上进行评🕸估📑🇺🇸。
他发布☠了一篇📢博客，标题🇨🇬是「最擅长吃💷蜘蛛咬了怎么处理热狗的🐾🏇科技记者」，🗜👨👨👧👦描述了一个完👜全虚构的南👨👩👦👦达科他🚰州国际热🇮🇪狗吃赛，声称自己♻🖋获得了第一名🧝♂️。这种现象的背后🥜🍷，是因为现有🎎的语言模型完📥全受制于一🏯🙉种被称为“📮下一个词预测♒🇾🇪”的工作机制💉🇸🇱。“预计6月份还🌔🈯会再涨🕘。在法国 🌽🇹🇨AZERTY 键❎盘上，它是 A😷🔹lt Gr +🛶🈹 0📦。
