（来源：上观新闻）
你关掉电脑🦹♀️📈，松了口气👨👨👦👦。这种方法在C🛃⏰alvin上🏋️♀️🧲得分3.126，🦀🐹Simpl🇭🇲erEnv💕🎴 53.1%，🤵LIBERO🚣♀️🇲🇻 51.2%——🇭🇺😵比随机选择有所🇱🇰🏈提升，但整体不🇧🇦🦞如学习得➗到的估❗计器稳定🎦。发现四：人类🚰🧪觉得难的🍧，Agen🙍♂️t 不一定💝觉得贵——难度💍🥽测试是什么意思感知完全😲错位 🇹🇫测试是什么意思你可能会想：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 50📼0 个🎽任务的难度🦠📷进行评分，然后😑和 Age🆔nt 的6️⃣实际 T🧪🐵oken 消耗🚤🚱做对比📌🏸—— 🎚结果：两者之间🕒只有弱🦇⛴相关🍥。
差了整整🙆🇮🇸三个数量级😴👲。你去看各🌶家的slo💯♍gan🧀🏦：人人可用的🦖Coding A📍gent、让每🥇个人都🇮🇴能做应用、意🗽图编程，所有关🇬🇹键词都在🔀㊗说「做应用」🏮🆘。二、无形🦗🙇草稿纸2️⃣上的三步思🥋🕌考法 既然要让模🦏型学会使用这张🦡🛏无形的草稿纸🏭，研究团🆔队就必须设计一套⏰🖌极其巧妙的🌱训练机制🇴🇲。就是线上找🇨🇰创作者，找🈹 P🚿。产品经🙍♂️🇬🇼理的思维🕔方式，没有错，用🧙♀️错了地🙅♂️🐳方🇪🇦。
牙买加📘国家图书🐉馆收录🔐👐的相关报道♿🔯 AI Ove🧂🈴rview🤛 引用了🇳🇱🏊三个来源🤚🚖：一个🔇是马利女儿的 🍑Fac🔤ebo🎀🌜ok 帖子（根➰本没提开馆时间）🕶，一个是旅游🎍博客（信息不准🍏确），一个是💉🇫🇯 Wikip🥕🥴edi📏a 页面，大家都⛲👯♂️知道，Wiki🇦🇮👍 的页面变化🏃非常频🦔繁，根本就🏘不准♣。发现四：人8️⃣类觉得难🤡的，Age📭nt 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 5🚓🙇♀️00 个任🇵🇸🥨务的难度进行🐛🥂评分，然后🏴和 Agent 👄的实际🎾 Token 消💂🦋耗做对比——🧟♂️测试是什么意思 结果：两🥇🤢者之间只有弱相关🗾。
