（来源：上观新闻）
论文最重要的消🇭🇲🈷融揭示： 随🏭🏡机初始🧁💰化 ViT-S🐆 直接在 BAD🥭AS 监督信👁号上训练 🙎🤤→ AP🔔🌺 接近随机 🧫🐤在 2.26️⃣5M 无标注 N🐟🦍exar 视频上🚐🗾做 V-🌸JEPA🇯🇵 风格的 🏔masked 🤺🧪feature🐋🇸🇷 predict🧔🈴ion 👩🎓→ +28.1 🚤pp AP（达🎡到接近生产质量）💪🕛 再加🇲🇲上从 ViT-🥿L 教师的知识🚌蒸馏 → 再🇩🇬 +1.👎🕸0 pp A🌩P，同时 FP🦒R 从 20.🇫🇴6% 腰🆑🔽斩到 9.1🇱🇹🇧🇪% 换🐒句话说，领域自🔡监督是 🧰28 倍的贡🛋献，蒸🇳🇪馏是 1 倍的贡🎪🦄献♠。
晚点：我🦐觉得你🤼♂️是在用极小✒😐的资源撬动极大的⬆社会资源，最🇱🇺终是为了完成你😰👩👧的梦想🇮🇸💂♀️。这比"🔘让机器人😹抓取一个⚔👲杯子"要难得多✒🐽。这种生态级别的✒🖊学习扩散，🐜将催生出远超以🗡🥚往的群体智能，🕵️♀️🤟同时也抛出了🏩极其复杂的跨平👒🇨🇨台治理难🇧🇷⏯题🦌。没有明确的😃🔊契约，模型每😄🌂一次发起调🚁用都像是在🐫玩极高成本的猜🔃👠谜游戏🇲🇵🇰🇵。
