已收录文章摘要，完整内容可前往原文阅读。
大语言模型和多模态模型之所以能成为"基础模型"，靠的是一套经典配方： 把异构数据对齐到统一的表述形式，然后用海量低成本数据规模化训练 ，让不同来源的训练信号互相强化。这篇文章要回答的问题非常直接：