（来源：上观新闻）
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🌐损失的变化上，🔀这也解释了为🇳🇬♨什么单纯在具身场🇹🇳景数据上微调V🎩😝LM（那样🛋👯♂️sem是什么职位做同样🙌🏖会降低训练损失）🛶却未必能✔👩🎓改善机器人任务表🕍现👬。
这直接📕导致手机专用D🕦👦RAM、NA🛅ND闪存产能🤹♀️被大幅💱挤压，价◻格大幅🇵🇰🔥飙升🔠🖋。胶囊胃镜解决的🎿⏰是“筛🦸♀️查端”的无感💾🍦化，而手术机🚹器人瞄准的🏴🇦🇱是“治疗端”的🇬🇭✖精准化🇿🇲。
VLM常用的🇮🇪📆训练数据🤫🇬🇩，包括🚖大规模图文匹🇸🇷👁配数据（🏟如LAION📖🕎-400🥄☸M、CC-12M🤯⛔）、视觉问答数据➡（如L🧖♂️🤹♂️LaVA🌋-Inst👪☕ruct-66🇮🇴5k）、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8️⃣🎬。
