（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☪🇦🇼。二、无形草💨稿纸上的三步🎭🇲🇶思考法 既然要🇽🇰让模型学会使用这⚫张无形的草🇿🇼🛑稿纸，研究团队就👨🦱必须设计一🏤🍕套极其🦡☪巧妙的训🤠🇦🇩练机制🤺🥯。
在测试里，当🔣🍗被问到鲍勃·马利🇻🇮🇧🇯的故居😘🌿是哪一年改😲建为博🦉物馆时，AI🍁 Overvi🇹🇦🍢ew 回答🕜说 1987 🥠年🕕。到了 G📀emini 3🏗 时期，准确🥒🔽率提升⚜到 91%🤛🍃，错误率 9👨👨👧% 乍一听🇧🇲🇮🇲 90%准🍜确率听起🍼🔷来还不错，但考虑🇮🇸✡到 G🇵🇷oogle🇦🇺 每年处理超 5😭🚜 万亿🇨🇰®次搜索，即便🇫🇲♌只有 9%的错误👩🍳🗼率，换🔠算下来也是每小时👨👩👧🦎超 57⛹️♀️00 万条🎭错误信息，每分钟🐳🕘数十万🐘条🗑。
VLM常用👭🇰🇭的训练🌋👈数据，包括大规🎇模图文🎇匹配数据（🇲🇰🛎如LAION-4🤪00M🎠🇨🇦、CC-1🇹🇨🕹2M）、视觉🚈✨问答数据（👩如LLaVA👨🚀-In🎋✊struct-🍌📯665k）🧫📋、视觉⏸🧒常识推理🇵🇹🇱🇦数据（VCR🇧🇫）等，它们彼此⚰之间的🇿🇼距离普遍较👘小，属于同一个🀄🇵🇸大家庭🐥😊。
