（来源：上观新闻）
VLM常用🍐🇻🇺的训练数据📼🦜怎么最有效的引蜘蛛，包括大规模🇰🇷图文匹配数据（如🐩🆒LAIO🇸🇹🗄N-400M、C🇧🇶✍C-12M🔰）、视觉问❌答数据（如LLa🇰🇪VA-In💃struct-6⁉⛵65k）🎨🌭、视觉常识🧘♀️推理数据（V🚻🇹🇦CR）等，它🇰🇭🎥们彼此之🎋📠间的距离普遍🏹较小，属🙋🤶于同一个大家庭🥅。
。其二，选择的逻🔛辑不是简单地🇸🇮"保留某些数8️⃣👨🔧据集、扔掉另一🕴些数据集"💬🏨，而是在每个数据👩👩👧👧集内部做样🌼本级别☮🇰🇵的精细筛选，因🚐😎为即便是总体🇲🇱🇮🇷上与机器人数据🏦🚟相距较✈远的大🎰🎟规模图🇪🇷🦹♀️文数据集，🏩其中也有相🐿当数量的样👛本恰好🎶🚝与空间理解、物体🔙📔怎么最有效的引蜘蛛定位等机☑器人任务🚭高度相关7️⃣👩🚒。
