（来源：上观新闻）
Age💆😰nt 持续运🇼🇸📱行时，项目历史⏳🐡、用户偏🇺🇿➕好、对话记录📛🇨🇩不断堆积，🔵超过临界点后😠模型开始遗忘早🇰🇭🐡期指令、🕎⛄前后矛盾、编造👙事实🚯🎠。虎鲸、白鲸和宽吻🍥海豚在池◽底休息的情景｜图🇳🇺片来源：Nat🚾⛎ion🀄➗al L🇲🇿ibrary🇲🇺 of📅 Medicin🥿🔕e（Unite🏇d St🔁⤴ates） 🇨🇨两个系统面对的💂♀️🏜约束条件🇭🇳是同一组：即时⚛👉处理能力有😙🧦限，但历史经验无🇬🇪限膨胀🤞🍛。
有趣的是，🛥🥓对比两种初😛🎠始化方式下的VL☠🦔A训练损失曲线，🤙两者几乎没🦔有差异📙🇨🇴——损失值的下降🇼🇫🇲🇳速度和最👘终水平高🍩🗄度相似⌛👙。某些VLM数据🔭源——比如🚠😿专注于空间🆖指代推理💜的RefSpat🔻👨💼ial数据集—☕🎮—与机器人数据⚔💒的距离，明显📎比纯图文🏀🧣描述数✳据更近🥬🍘。这种深度的产👩👧👧业内循环，🇦🇽🧼确保了平台在萌芽🥑🧪期就拥有了确🐅定性的资产供🏥给与技术支撑🙄🧂。这就导致了🚇🌱一个尴尬🦜🏕的现实：🥩🥣开发者几🔣乎不可能凭直觉🇧🇮预估 Agen⛽🇦🇹t 的运行成本🚉。而广交🙈会，让它们🌏👾被世界看见🌭。
