（来源：上观新闻）
2️⃣ ⚽😛加强版： 📫◦ 解锁🔝批量视频生成🌙🎪、高清分辨🔰率（1🆗🐿080P及以上👨🌾）、更长时🇺🇬长（15秒😄⏬+）的生成权🌲🐗限； 🇦🇨🇩🇬◦ 优先算力☁通道，大幅减少🇱🇸排队等待🏇🎋时间，避👁️🗨️🔀免高峰期被“挤🤾♂️掉”； ◦ 支🖍持影视脚本、分🧖♀️🎦镜、镜头语言的深🔎🏢度辅助🦔🈂创作，🇦🇶🍐适合自媒体内🌽容批量产👨❤️👨🆑出🕟。在参数量🧯上，这个经🖨🏓过中间训练的👨🎨🕡1.1B模型，✔面对的⛏竞争对手包🏄括7.7B参数🌫的OpenVLA🇱🇺、3.1B🤽♂️参数的π0➿🤓（基于Pali👁Gem🇬🇷🥖ma-1的流😐匹配模型）、3☹.8B参数的Qw🧛♀️en2.5V👑L-3B、8🇲🇬.3B参数的🖱Qwen🍒🚲2.5VL-🎢7B，以及规🤹♀️📅模从2B到3💃0B的多个Qw🇨🇩en3V🇸🇻9️⃣L系列模型⏬🇸🇾。
对此，赵春👩🍳江分享了一个🥂🍞案例：在大↩棚蔬菜种植中⤴🔋，一个两人团队依🐔☣靠智能化装🎳🤔备，白天黑夜👨👨👦👦连轴种菜，🦹♂️🧩把设备运到场💎🌬地、提🙅🇭🇰供技术服9️⃣🛴务，平📧均一天能赚30万👨🚀👌元🐮🦀。这个答🦑案不是🍥🚨终局，而是进🐸⤵行时🇧🇲。“根据美国农🤧🥑业部的相关报告🎾，20🇲🇲25年美国已🤱🇧🇧有约60%🏹的农场🐎使用人工智🏧能驱动的智慧农业💆🚲生产技术🤯❗。
具体实现上🍙🙏，研究团队把👑👨👨👧👦VLM💕模型对每个数据样✳🤝本的内部9️⃣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、🐓VLM训练数据◼作为负样本，训🇮🇴🍐练这个分🕳类器区分两😍🇬🇬类数据📺。**六、估计器🧚♂️究竟"认为"🃏💕哪些数☹🔩据更有价值*👍* 研究团队还仔📘7️⃣细检查了邻近性📱估计器对不🈚🐴同数据的评分🇿🇼🐷结果，从📂中读出估计器⚖到底学到了🦸♀️什么样的"品味"🔠。
