（来源：上观新闻）
如何在🦍一个完💷全基于🐠💍“人类乘⏪客+常规行🇲🇦🇭🇺李”设计的💽🏋公共安全体🎌系中，为这些🛳带着大容量电池💽到处乱跑的硅🇹🇭基生命寻找合规🥓的生存空🏀🍫间，恐怕🐁是比让机器人学会🧵后空翻更难解🤞的现实课题💀🇷🇺。想象一下这个🇬🇼🍁场景： 你让 A🗳I Ag🌛🇯🇵ent 帮你🌭修一个🚫代码 Bu🇫🇷🦂g➰。
VLM常用的训🇵🇬🧮练数据，包括大规🌭🌤模图文匹配数据（⚒如LAI📖ON-4⬛00M🍷🇵🇷、CC-🍐12M）、视🥔🖼觉问答数据（如L👊🍮LaVA-In🍇🇨🇳struc😒🆚t-665k）、🇶🇦🔵视觉常识推理🕸数据（VCR☂🇺🇾）等，它💼们彼此↖之间的距离普遍较🧐🖼小，属于同一个大🔩家庭😢。结果发现 Gem🌾🎟ini 2 🕔👨👩👧时期，准确率约⛓ 85🇬🇸🚠%，错误率 🚓🔄15%👬。
它就像是专🇸🇬🚨门为数学⛱🖥考试突👹击训练的应试🌽🐄技巧，只有🌻在遇到标准🥌🎸问答题时，模💥🚏型才知⛺🇦🇺道要列出步🥊🍌骤；一旦回到日常🎍的随便🇬🇳闲聊或🧛♂️者阅读🛣普通文章时，🇪🇪🇧🇭模型就又🇨🇭🇲🇬被打回🍛🇦🇺原形，继续不假思🇫🇷✊索地往外吐字🥎🔧。国内市场👘的竞争逻辑很简🥠单：只要一个产🎊品证明「可♋🌥以赚钱」，其🇳🇨他玩家就👜会迅速🥫跟进，然后用价🌕格打穿⚒。
