（来源：上观新闻）
@的形成过程💺类似，它源自拉🥀丁词ad的速记🇪🇺🧴形式——该词⤵意为“在”🇸🇳“到”或“向”⏏🇧🇾。具体实现🐑上，研究团队👨👦👦把VLM🦶模型对每个数据🈲样本的内部表示⚒👩🔧（也就是模型最📡🎗后一层的隐藏状态🇫🇷🌘，可以理解🔛为模型👩🚒对该内容🗻🐰的"内心印象🥊🕛"）提取出来，👱冻结不动，💸🐿再在上面接一个非🏂📚常简单的线性分类📶🛂层，用🎫🎮VLA训练🧁数据作为正样😌🍓本、V😬LM训😜🚌练数据作为负样🎇本，训练这🌮个分类器区分两类💊🖤数据⚜🇩🇯。
最好的🀄🇬🇭成绩是 C🖕🕓laude 🇵🇫▶Sonnet-4🇱🇸.5 对输出 💃Token 的预6️⃣测相关性🌖🇦🇹——0.39🍧🦸♀️（满分 1🦡.0）🐛🐙。对于那些希望探究🍶更多算法细节和🏕实验数据的读者，🇦🇱❤千万不要忘记通过👨👨👧👧论文编号2❄403.0🇹🇲🇶🇦9629去🇺🇲查阅原始的学术宝🥕😮藏，那🇨🇾🤔里有着🎼关于这☃🍓场认知革命最详尽🇧🇲的记录🎷。
