（来源：上观新闻）
用t-S🙎☘NE可视🎾💄sem是什么意思化（一种把高维数👭👕据压缩成🏩🇹🇯二维图⚾来直观展示👨🚒的技术）📴👩🏭来看，🐐机器人数据形成🇦🇨🌧的那几个簇，与🏖🇸🇱VLM数据的主要😲区域几乎不💉🤾♂️重叠，只🕘有极少👨👨👧👦数VLM🏆👻样本漂😹浮在靠近机器人数🤲🚦据的边缘🇲🇻💁地带🌛💁♂️。在Calvi♌🇳🇦n上，中间训练后🏳的1.1B🗽🍈模型以🤩🎥3.714的平🏣均得分🍸超越了OpenV🚺😕LA（2.548🧖♀️）和π0（🎖3.509），🇹🇰与1.7B的K🧨osMo📨s-2（👩❤️💋👩👨🦲3.096）🇱🇹🤟、2.9B的Pa🛫🇱🇧ligemma-🇸🇲1（3.506）🇸🇭、3.0🥔B的Pa🇸🇱📲lig🏆emma🆚-2（3.4🇵🇬🏟06）形📣🧼成显著优势，与2✔.1B的Qwe🇳🇨n3VL-2🐢B（在↪全量训练数据🍾下达到4.1🐡42）的差😞距也大幅缩小🥁。
换句话💏说，在机器🌘🤷♀️人任务上真💷👳正重要的模型能👨🎤🧷力改进，并🤫不必然🥐反映在训🧟♂️练损失的变⏩🇰🇷sem是什么意思化上，这也解👒释了为🍛什么单纯在具🦈身场景数🚭⚗据上微🧠调VL😥🐷M（那样做同样😓会降低训练损失）🖨却未必💺😱能改善🐕⛹机器人🏴任务表现🗒🔫。其早期颠覆传统🏮媒体生产逻🎽🕷辑，内部不🇰🇼设编辑部门🇸🇽💁，仅靠算法机器🛩人BuzzB🇵🇷🇧🇷ot制🐻💽造“清😳🧿单体”、🥪🎗趣味人格测试等🚭爆款内容，曾凭借🇭🇺🎾“白金蓝黑裙子🇸🇳🚦”话题收获250🐨⌨0万点击量🌻🇪🇬。
