（来源：上观新闻）
3. Ag🇦🇬ent 需👰要“油🇵🇷🧟♀️表”和“🔧刹车” 论文提🏐到一个值得关注🧓🚖的未来🎹🎟方向—🚸🍕—Budge🦌♾️t-awa🤹♀️🇱🇾re tool👿🔌-use🤶 polici🚾es（🍁预算感知的🇲🇾工具使用策🇬🇾🇱🇺略）🇧🇪👬。差了整整🧼🥮三个数量级😈。当模型接收🇵🇾🇲🇺到一句🌊♿话时，🦃🥄它不再🤜‼急于立刻🏳给出回应📱📗。我们正🌬在见证人工智能从🇷🇼一个只会鹦鹉学🇷🇴舌、凭借概🕶🧵率疯狂吐📜☀字的机器，🍼🚑慢慢进化成一个懂🚣♀️得停顿😩🎅、懂得权衡、🎖📿懂得自我审视🌫的成熟对话者🧙♀️⏭。目前，在火🇬🇷山引擎上累计T🕍🦆oken使🧴🕊用量超过一万亿🚆🖥的企业，已从♏🇵🇳去年底的100😊家增长到14📜🧵0家😋。
--- 归👨👦🚚根结底🥴，这项研究回✍👩👩👦👦答了一个非✨📝常实际的问🚺🇸🇿题：当我们想🇨🇳🔙让AI控制机器人♦🔼做事时，🍌🌉AI的"通识教育📫"和"专业🏅训练"🦍🇻🇳之间应该怎么衔接🇳🇴？研究团队的答案🔁🍜是：不需要😔👿抛弃通识🚥教育，也不😏🌑需要无🎨🐯休止地🇸🇲🐃增加专业数据，只🌑🏳️🌈需要在两者之❌🦈间加入一段精挑😏细选的👨👩👧👦"过渡🧝♀️🧻课程"，🇵🇰🥩让大脑在上岗🍰前先调整💇♂️好状态🇮🇱👯♂️。这个动作是 G🏵🇹🇷oog🇲🇾le 生🏥🇦🇸态全面加速🇺🇦 AI 😑🇸🇪化的第一🏴💍波动作，🔯🕢把搜索🇧🇾🖋引擎从一🍚个信息的「🎺策展人」🆗🇨🇼变成了一😛👁个「发布者👩🦲」📶。用t-🕣⛺SNE可视🌥化（一种把高💴维数据压缩成二🔚维图来🙂直观展示的技术）🇱🇻🤕来看，机器🗡🥀泛普软件人数据🧗♂️形成的那🚊几个簇，与🇺🇿VLM数据👝🌧的主要🔫🦒区域几乎💅不重叠，只有极少👭数VLM样↕🎥本漂浮在靠🍍🇬🇬近机器人数据的边🇲🇺🏆缘地带👩⚕️。
