（来源：上观新闻）
考虑这样👨🎨♒一个场景🤮🖤：在一个紧张🇻🇦的口语考▫试现场，有一位极🌆其聪明的👹🍰学生⚰🧜♂️。一个从不停下来整🖖理自己的智能体👩🔧，不会变得🇧🇪🇮🇸越来越聪明，只会👆🦏变得越来越混👿乱🏭。在人工智能高🐇👌歌猛进的今天，一🤴场极具🇸🇾超现实主义色彩🎃的“跨物种👨🚀🤸♀️”旅行在美国西🥨南航空的✂🍫客舱内真实上🤜演🕒。作为一家芯片公🧞♂️🇧🇻司，英伟🔏达也加🇬🇱入了，它本☦🐸身不只是为 A🆔🍞I 提供🎥算力底座🎥，自己也开发开🔴🏝源大模型🌸👥。等测到 😆🇱🇾NPS 和 R🇲🇪OI 都比🇮🇶斑马好的时🇦🇹候，才开始激😃进投放❌。aut🇹🇬🥈oDream👲 则只在用户关掉🌮电脑之👩❤️👩🇩🇰后启动，整理🥋🧓白天积累的记忆，🔒清除矛盾，🎒把模糊观🇸🇭♈察转化为确定事实🇧🇫。
Embo🐖diedM🛥👨👩👦👦idtr👷👨🚀ain不使用机器👩⚕️人场景数据微调🇩🇿VLM，而是从V😂🚵♀️LM原有的🐻海量训练数据中🦒筛选出与机器人任🌎务"世界观"更🧳接近的💏🚭子集，用这个精🏁选子集🀄对VLM进⌚🏁行过渡👩🔬🏦训练，让它在进入🙏👐机器人专项训练👳♀️🚩前就具备更🇱🇮🕖好的基👙🥃础状态🏘👨👧👧。其二，选择的逻⛷👨⚕️辑不是简单地🇩🇴💏"保留某些🇵🇳😫数据集、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0️⃣🌾与空间理解、物体🥥🔯定位等🏸机器人任务🍳高度相🌐关🚶♀️。
