（来源：上观新闻）
PPT做完🐋🚥，新问题来了🍗。简单说就是给 ❔👳♀️Agen🏤t 装一个"油🌰🥟表"：当 T🤵oken ⛲消耗接近预算时🐇😓，强制✝🗯它停止无效探™索，而不🚫是一路烧到底➡。这样做🇬🇬的好处是，🤼♂️🇦🇪当光线照射🇲🇪🖖过来，可将光👶🇧🇲生载流子中的电子🇰🇲🤡储存在“储蓄池🧕”中，然后在🇹🇭👩🌾需要时再通✅过施加外🙄加电压将它提取🇳🇷🇨🇬出来👩❤️👩。
从数据集层面🇹🇰看，R🌚efSp💻🚡atial👩🦲🈺（专注于空间指🇬🇬代推理的数据🇹🇨🐻集）获得了最高😞的平均分，而V🇨🇮🍠CR（视觉常识推🧝♀️🕍理数据🎲🔁集，主要👎📎涉及对图片中⌛人物行为意图的理🍳🤼♀️解）获👿🦉得了最低的平均🧘♀️🤕分🍽🍏。但现实是，模型🇦🇲普遍在失败任务上🧷🚡消耗了更🤖多的 To🏑ken—🏺—它们不会“认🤪💵输”，只会🧁继续探索🍆、重试、🚴🇪🇷重读上下文，📕🧮像一台没有🍘⛎油表警示灯的汽🤱蜘蛛入侵车，一路开到😉👥抛锚👨🏭。
第一笔，是增长账🍠：免费换🇦🇬规模的边际效🔈益，差不多📨走到头了🔺。**二、😯如何从⛲海量数据里"选🥢☎出好学员"**😉蜘蛛入侵 弄清楚🧻🔉了问题所在，研究🇻🇳团队设计了一套数🧖♂️据筛选引擎，核🛡心是一个他们🌜🇹🇦称之为"邻近性估🐇计器"的轻量🖕级工具🖇。
