（来源：上观新闻）
两者构🌦成一个完整周🇧🇮期，K🍗🚆AIROS 📵醒着，auto🇦🇮Dream 🥕睡着——A😡nthro👥pic 的工🕥程师给 A🕵️♀️I 造了一套作息🙇👨👨👦。▲乘客纷纷与机器🌋🔙人合影 🤧不过，虽然航班🛳👜延误，现场的乘🎎🗿客也并没有太多怨🐻言，很多人纷纷和🏥Bebop合☑🍎影打卡🍞。真正决定答案🇬🇼👩👦形状的，还是约束🇦🇮本身的🧗♂️压缩力🇲🇿🈷。以1.1B参🏟🍕数量的Inte🌀rnVL3.5😳🔦-1B为基础做🕦🌮中间训练后，💼该模型在C🇸🇮alvin上的🏷🐻平均完🛢🍥成任务长🎢🛩度从3.173🎓提升到3.7🧲🦋14，在Si🚋🐊mpler😐Env上的成功🚶率从36.5🇬🇲🕛%提升到🏺🤽♀️56.3⛽%，在L☄IBE🛂RO上🌆🦁的成功🔀率从3😴🚏9.0%💙🦘提升到5🛠4.2🕌🇧🇭%🐌🇩🇰sem运营。
但对一个反复🥒做知识型决🍦🚹策的 🥛AI 来说，验🤾♂️🎪证的成本很低，盲🛒目自信反而危🌫险😚。研究者🏆让同一4️⃣个 Agent💥🇲🇻 在同一个任务上🇨🇼🕺跑了 4🥛sem运营 次，结果发😪现： 在不同任务😗🍫sem运营之间，最贵的任🍆👨🎤务比最🇵🇬😰便宜的🏄♀️任务多烧约 🧰700 万个📠 To👁ken（🍷🎹Figure 2🇲🇾a） 在同❗🙆一模型、同🧳🦚一任务的多次运行🥺中，最贵2️⃣的一次大🇱🇨约是最便宜的一次🇩🇰的 2 倍（Fi🏄♀️🧽gure 2b🈶🦆） 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✂🍒”👩👦👦🙅。
