（来源：上观新闻）
这种情况类似于给📡📽一位棋手更长的⚙读秒时间去👨👨👧🇸🇲推演后🗑续的棋👋🇼🇸局，时间越充🚌☢裕，他走出的棋👩🎤步就越发精🌯妙🎙。如果认「服务级🔭软件」这个方向🍨🏳，真正该盯用🥠🇳🇮户日常生活中那些🇲🇷「算了，🧱凑合一🛩下吧」的瞬间🤲。而且他也不😼知道平台要什👶么、怎么对接7️⃣、怎么定价🕙🤹♀️。（本文首发钛媒体🍐APP，作者🇫🇯 | 硅谷🤯Tech new📦👏s，编辑 | 赵👟🛵虹宇） 注：本🎞⬇文基于 20🔤26 年😶 4 月 2😚4 日发表于 a🐈⤴rXiv 的预印🍢🇻🇳本论文 *H🇪🇺ow Do🇰🇭🧘♀️ AI Agen🍨⛅ts Spe🕙👶nd You🇨🇬r M🈺oney✳🤔? Analyz🇨🇺🏚ing an😦🌻d Pred👩🎓icti👯♂️ng T⛳oken C🤟🇦🇫onsumpt⚱🔯ion in 📀Agentic ➖Coding🌴🇷🇸 Ta🤹♀️🎿sks📽*（Bai, H🥦uang,🇯🇪🔺 Wang, 🈹Sun, Mi📢🕯halcea,🇰🇲🔗 Brynj🤐olf⛑sson🙎♂️, P♾️entland,3️⃣ Pei）撰🚬🧷写✋😸。
LLaVA-I🥥nstruct🇹🇯-665k贡🐒👊献了20🇦🇽.2%，Rob🕒oPo🎤👆int贡献🖲🗡了19.9🆑🚓%，RefSp💄atial贡献了🧳🈵14.7%🛩，Robo2V🌹🔶LM贡🐂🕓献了9.2%，🙈🐣CC-12M贡🍧✏献了3🎢.7%，而Em🇸🇩🇬🇾bSpa📙🇹🇹tial-Be🕧📭nch和VC🇷🇴🇳🇬R则几乎♒🍌被完全淘汰（分别🗣🔨仅占0.1%和0🌠🎉.0%）🆕。
第四种🇵🇬替代方案是😀困惑度差值😮（De🚄🌑lta Pe🚄☯rpl🇶🇦exit📝y）：计算🇪🇸VLA微调前🛠后对每个样本困惑🇨🇽🔥度的变化量，〰🎨差值越负🅰🎿（即微调后困🎫🧔惑度下降越👄多）说明该样🛢🥺本越符合VLA💨的"学习方向"📆🧭。所以你不是困🤦♀️🛎了才睡🦓🇻🇺觉，而是大🤵脑必须关闭前门才🔨🇮🇸能打开后门🇬🇸。
