（来源：上观新闻）
这意味着，🥽💿如果只盯着训🇧🇧💡练损失来判断🌗😏模型质量，你根本📪看不出中间训练带🏊♀️🇫🇰来的那些⏸⏺差别👨🏭🌖。上面的数字可能让™🇪🇸你倒吸一🥝口凉气—🚙🅾—AI ⚾Agen🕢🇪🇦t 自主🔶修 B💣ug 在海🐹🇧🇲外官方 API🌑📝 下，💩🍖单次未🎇🖖修复任务🥳🇱🇰常烧掉🈵📶百万以上🖇🇦🇱 Token，费👨👨👧👦用可达几十🛹🕉至一百多美元♥。研究者另外招募🛐了 12 🎾名工程专😰💂业学生做了一🌏组对照🇻🇬更严格的实验🌍3️⃣：固定赛道、固⬛定参数、固定🚸时长（40 代算⌚法迭代）🙁💨，只保留💍两个方案（MAP🇮🇩-Eli🇭🇲⛹️♀️tes vs 📦随机），💹双盲标记为🍴💍「Ins🆓8️⃣ights 1🍣」和「I🤺🇱🇦nsights 👜🗒2」🛫👯。
当研究人员🎁🦋对其施加📐🥥较小的⛏✌正向偏压，🍶🙎♂️“储蓄池”会👨👦慢慢释👨👩👧👦放储存在其中的电🔚🛏子，产生与生🇹🇬物神经🇬🇦突触类似的行为🇦🇬✖。结果显示，在🇮🇨😵POP🔰😣E（物体幻觉评🚪估）上🛒🍈几乎没有变化（🇹🇱86.33 vs🇮🇩🐓 86.29🧀😶），在Vis👩⚕️💂uLogic（😞🔴视觉逻辑🇲🇲🇬🇪推理）和3D🇬🇸SRBe🧿nch（三🍭👩🔬维空间推理👘）上略有提升（🤤21.🇲🇼🔬00→24.9🇬🇾0和4😚🧗♂️7.87→🇧🇳🎶49.51），而🔢在BLI🇨🇰🔪NK（多模态感知🇺🇬基准）和Spat📸ial🍒✝Eval（空间🇧🇫推理基📋准）上有中🇻🇨等程度🐘的下降（43🤢👕.45👼👩👧👧→40.🇦🇮45和49.82✝→48.0🐆0）🇵🇾🧚♀️。
刘耕：⏪对，我们🚊是同事，🔙当时我带教研🏡🇵🇹，他带产品♟️🤸♂️。还有一个令☺人深思的发现：模🍹型缺乏“止🐲👸损意识”🇺🇬。更离谱👖的是：所有模型🛢👨👦👦都系统性低估了🚔🇻🇪自己的 T☔oken🏩 消耗🛴。这三个信号如📲🧧果能持🤼♀️续强化，🌤🥮18个月后回头🌀📳看，擎天租的💚估值逻♨⚱辑可能会从“🇹🇦渠道故事”变☺成“平🚶♀️台故事”那时候，👅🇱🇺30亿可能🏔🆎只是一🏝📁个起点🏨。
