（来源：上观新闻）
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➖不同任务之间，最🇫🇷⏯贵的任务比最▶便宜的任🇧🇦1️⃣务多烧⬇约 700 ⛔🇵🇾万个 Tok🙌en（🥌🦌Fig👨👦👦ure 2📷ℹa） 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（Fi😮🔪gure 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”⚰。
瑞士苏黎世大学🐊神经科学中心🧟♂️➖的比约恩·拉🐹🌇施（Björn💋🧝♀️ Rasc💗h）实验室将这😕😬个过程命名为「主👮♀️动系统巩🧛♂️固」（a🌾ctive 🔳🤳systems 🚨con🥝🖐solida🎺tion）⛏👩。
此前有一种🇰🇬叫作ST🏐📍aR的技术，🎫🇨🇩试图让模型🇺🇾🗓在解决特定问题时↔写下思考过程😑💥。Elser.A🏗I 只🎅🇰🇵做一件🛒🎓更窄、也更🤘🐦难的事🧱，即让👬🅾 Pro🌂💔sume🍥r 能稳定产🇧🇳🐩出「有人👴反复观看🕤的内容」，并🥦📁在此基🏯础上长出平台🐴。
