（来源：上观新闻）
国内互联网二十多🥽❤年的免🦊🎵费基因✋🧽，已经刻🚅进了用💁🇦🇴户的骨子里，☔💋这是所有订阅产品🇨🇫🔎都要面对的🙈核心难🔛题💘。但海外还没有🔢⛄。这项由🎵卡内基梅😕隆大学语言技🕤⏭术研究所🧢🚣♀️与博世北美研究院💁♂️及博世人工智能中🥔心联合♐完成的研究，以🐥🦙预印本形式于2📒🇮🇱026👨🌾年4月发🎼💆♂️布于arX⛔iv平🔲台，编号为ar👱Xiv:2604🌵.200🇹🇩♍12v1，尚🎅🎸在同行评审阶段👩🚀。
这直接说明了中🚀🐝间训练🖐的收益不是来自🇦🇱"更多数据"本🧟♂️身，而是来自数🧔👢据内容与机🕣☔器人领域的对齐程〽🎏度🛴🇹🇬。瑞士苏💄黎世大🔢↖学神经科学😑中心的比约🛠恩·拉🇨🇲施（Björn 👼Ras🇧🇻ch）实验室🍱将这个过程Ⓜ🤩命名为「主动🀄🤡系统巩固🇲🇾🌏」（active🦜🍢 syste🦡ms conso🇫🇮lidatio🇲🇳n）🇻🇺。
第三种替代方🍬🇳🇿案是VLA🐒条件困惑🇬🇫😔度：先把V🇬🇲LM在文本形式的👳VLA数据⏭😈上微调一遍，然后🇸🇪用这个微🥝🇸🇮调后的模型对候选📤🕵VLM样本🧔🙀评估困惑度（困🔭🇸🇨惑度可以理🎒解为模型对🏷这段内容的"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🏁。
