（来源：上观新闻）
换句话说，这次🌖🥍筛选并没有👨❤️💋👨把数据范⚫🗂围压缩🇦🇲到只剩机器人风⌛格内容，而是在🌃🔌整体向机器📵🇭🇳人领域🐡🚪靠拢的同时，保💂♀️🦄留了广🤗🚹泛的视觉和⚽语言覆盖面💞。这里的😘👒“读”不是指人类💚🍱读代码，而是🦋🗼 Ag🔨ent 在工🇦🇪作过程中，需要🇦🇬👽不断地把整🌎个项目的上下文🎟♎、历史操作记🌶☁录、报错信👋👨🚒息、文件内容一股☃脑儿“喂”给🚄😸模型🧸。
“两个人能👖养1.5🦴万头猪，两🕖个人也能养1🇦🇫5万只鸡，一位农🌇🈯民按个键就能完📣成几十亩地的植🕘保作业🇵🇾🔋。人脑撞的⛹，是同😖✍一堵墙🐼☝。这里就出现👨💼📂了一个 gap🍸。这个判断来自刘🏋🇲🇳耕在字节做创作者😩孵化时的经验🍷：内容平台🦶🧸从来不是🏙🐷「有更多人创作」🇫🇲就能成立，而取决🧟♀️🇰🇼于是否🍀存在一批稳定🏪产出、能被消费的📂供给🇩🇲🔅。
这些对👨🎤比共同揭示了一个🇵🇭🎉道理：VLM样🙍本与VL🤹♀️🎄A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🏅❔。或许，一个从不睡⏭⚛觉的 AI，不是🐈更强的 AI🇩🇿🍞。结果显😌🐻示，精选🥳后的VLM❄👶数据多样性得⏭分为1.93，🇸🇯与通用↔🇰🇮VLM数据的🇧🇳🆙1.96非🖲常接近，远高🚃于具身导向VL⛄⛑M数据的1.🇸🇲💾62和🎪VLA数据的♓🥮1.26🔮。
