（+微:hywyysxs）
综合这⏭🇸🇭些因素，每🍓🇧🇱个 I🇧🇲nsertion🙉📉 需要数百台设🤖🇬🇹备，是🏣🏓个合理的🇦🇪估算🌱🦋。GoC🌠lick🏣-L（🇩🇲0.8🛬🇬🇹B版本）在这个测🇪🇪🇪🇨试上得到了☑69.🥖5分，不仅远超🐿☘同等参数量🥅的In🇵🇬🏗tern🍾👩👩👧👧VL-2（2🍕🚫1.9分）🇸🇬和参数量两倍多🇺🇿🍒的Qwen2🧝♀️-VL-2B（🙃🧨51.1🕸分），甚至超😙越了参🛹9️⃣数量超过💍自身十倍的Qwe👇n2-🦡VL-7B（56🤟🇬🇩.1分）😟🥠。研究团队首先大🏸🇩🇯规模收集了GUI👨🦲🇧🇪元素的👨🎤"描述-位置"数📼🏋据对，构🇵🇲建了一个总量高🇳🇵成都孕妈妈网达1080🇪🇨🚾万条样本🚗🌍的原始数据集🕔🏬。
具体来说，他们让☦🇷🇼VLM读取每🤲一个数据样本👩🌾🇧🇾，提取出模型对🐿🇩🇯这个样本的内🇨🇮💩部理解表示🗄（可以理解为模型🤬🛃对这段内容的😩"印象"），然后🏳️🌈😕用一种叫👓🛠做最大🇸🇳🛠均值差异（🏛MMD）的工🎫🚼具来量🇬🇮化不同数🌟🏴据集之🇹🇲间的分布距离💘——距离越大，🕙⛹说明两💪组数据的"世界🦊观"差异越大💁♂️。当用户向 Ch😿成都孕妈妈网atGPT 🌾倾诉焦虑、推敲消🇸🇭费决策、组织工作🏡流程、起草个人邮🇱🇧🎼件、讨🚎🇨🇴论职业困🥭👨❤️👨境时，这种交互💳在体感上更🔼接近一段一对🇧🇲一的咨询关系🧦。
