（来源：上观新闻）
2010年，美国🚐纽约现代艺术博物🔀🇹🇻馆（M🅿oMA 🔬⏪）将@符号纳入馆🌤藏，进一🇦🇶🌈步印证🦀👩👩👧👧了它在人类历史🇲🇱中的地位在宣🧓布此次收藏时 ，🚬 策展人葆拉·🤳安东内利（😏4️⃣Paola A🐂ntonell🧗♂️i）评论道，@♋符号“赋予人自由🍃🦔，让他🐫们可以标😊🇨🇷记世界，并认🥓可那些‘无法拥🗼有’的📌↔事物”，正如这个⭕👩👩👦👦符号本身“属于所🇷🇪有人，又不属于任🔬何人”🚌。AI 闹🇸🇹：现在跑下🇺🇾来，什么超🌨出了你的预期😋🦟？ 刘耕：P 😮🇬🇲的付费意愿🚚🐂比我想☦🇿🇦象的高🍰。但 Ag🍲ent 🇸🇦任务完全➰打破了这一假📣设——一个🤦♀️♾️的任务可🍽能因为 Age🚵♀️👝nt 陷🏩入循环而🥢烧掉巨量 T🏓🦞oken💿。
结果表🇹🇻明，随机4️⃣🇲🇩选择在三个基准上⚾均不如学习🔊得到的邻近性👏估计器——📎google加速Calvin♥得分3.🌤398🔠对比3.714🆚，Simp🛶ler😯🇻🇬Env 43.8⛵🚓%对比56.3🌫%，LIBER🇳🇮O 48.4%对😋👩👦👦比54🌝🌒.2%🚟。研究者📿🕸让同一个 Age📇nt 在同一个任💣务上跑🥥了 4 次，结🌍❗果发现： 在不同🇱🇰任务之👩💻😋google加速间，最贵的🎡👩👧👦任务比🇹🇳最便宜的任务多👨🌾烧约 7🙋🤵00 📍万个 Toke📐n（Fi⏬gure 2a🇪🇬🇰🇾） 在同一模型、🇸🇩同一任务➡的多次运行中🍛📏，最贵的一🇨🇨次大约是最便宜的🥪📃一次的 2🎴🇮🇹 倍（F🇵🇬igur🚨e 2📊b） 而🤜👩💻如果跨模💋型对比同一个任🎍🏅务，最高消🇰🇵耗和最低消💧😿耗之间可以相差😑👩🎤高达 30 倍🇲🇭💮 最后🏈🎥一个数字尤其值得🚬关注：😔这意味🇬🇸着，选对模型和🔟选错模型之间☂的成本差距🧟♀️，不是“贵📣🌾一点”，而😎是“贵🧙♀️👁出一个数量级”💮。
