（来源：上观新闻）
2. 🐵Toke🐍n 效率应该成为🇱🇨👨👩👧👦选模型的“第三🇦🇪↘指标” 传🧪🧖♀️统上，企🍝🇩🇲业选模型看两🇲🇿🤾♂️个维度：能👩❤️👩🌹力（能🚴不能干🛥🐀）和速度（干🃏得快不快🥨📢）🇬🇼。具体实现上，研究🦈📰团队把VLM模型🐺🚘对每个👩🦲数据样本的👩🎓内部表示（👡🧒也就是模💝🇹🇳型最后一层的隐🐪🕑藏状态，可以理🧲↘解为模型对该内容↕的"内心印象"）🛩提取出来，冻结🌕不动，🌋再在上面接↕🤓一个非常简单的💄💾线性分类层👖，用VLA训🍛😩练数据🔙作为正样本、🇿🇲🇵🇦VLM训0️⃣😊练数据🇨🇩作为负样本，训🕺练这个分类器区🥔💹分两类数据⚓。
每多一⚓轮对话，这个💁♂️👨👧👧上下文就变得更长➡🔭一轮；而模🤲😏型是按♥📜 Toke🇬🇫🇬🇲n 数量计🕋🇰🇵费的——你喂🇳🇦🙅♂️得越多，📞🌈付得越多🐲💈。海外虽然有💞真正中立的第三🇦🇬方探索，但其🖊🦘启动之慢、🏄资本消🇨🇱耗之大，在当前的🚦竞争节🌾奏下已显疲态🍁💳。
但这 1☮🕠4%的人，产出🎏🤫了最好的设🇨🇽👹计🗿。发现四：人类🐹觉得难的，Ag🕹👨ent⭕ 不一定觉得💯贵——难🤦♂️🇺🇦度感知完👃👅全错位 🚝🍏你可能🍣👨👨👦会想：那至少我可🎱以根据任务的难易🇸🇴❄程度来预估成本🤭吧？ 论文找来人🧴类专家，对♦ 500 个任👩👧🍄务的难度进行⛸🕳评分，👩🔧🐀然后和 A👩🔧gent🚂 的实际🛶 Tok🕛en 👨消耗做对比—🇧🇮— 结果：两者之🏴☠️间只有弱相🧤关🐺。
