（来源：上观新闻）
看起来🤹♀️像答案，🇧🇲但不是答案 🇩🇪💓AI 🥗🚋会稳定出🌷🍬错，出差错的方🛡🇬🇵式倒是🌄花样繁多，比如像💸❣开头的故事那样，👟属于是🌶🎃直接答错🥨测试是什么意思。但对一个反🧿复做知识型决🃏策的 AI 来🏣说，验证的成🍍本很低👩👩👦👦🐑，盲目自信反而🏗💃危险🛂😿。202👽3 年大模🇯🇲🌎型刚爆发时，国😢内用户💂♀️对 AI 🕧的认知还停留在☸「新鲜🇨🇲🇵🇭玩具」，对🆑🚞付费的抵触🖖情绪比较🇩🇴😄强；但到📪🧖♂️ 202🥄🔗6 年，行业已经🔤完成了完整的用户👨🍳教育周期🥢。
这绝不仅是🆖为了筹集资金👩🏫🤰，更是为了在制🚌🥑度层面建立💚多方制衡的治理结🤐📼构👨🏭👩⚕️。这些对比共同🌱🚕揭示了一🇺🇬个道理：🏅VLM样本与😊🏴VLA领域的对🇰🇬♨齐程度，是🦌🇨🇮一个需🏇要从数据中学习的✖🕟复杂信🌜🥚号，而不🛡🗽是可以靠直觉构造📿🔵的简单距离🔆◾或困惑度度量🥒。关于多样性的保®持，研究团队🔈🇪🇺用一个叫做均匀性🚔🦒指标的工具🕘💒（基于特征空间中💴🍢样本对之间💬距离的统计，分⛹️♀️🍣数越高表示数据🙋分布越💊🧚♂️均匀、📇🏴越多样）进行了量👩🚒化🚆🇹🇰。
