（来源：上观新闻）
在 Googl🦹♀️🗝e 对 Ge🗽🎱mini 3 的📇🥍内部评估中，模型↙单独运行时的错💭🧁误率是🚬⏺ 28%🚊👀。”潘旭艳说🇸🇿。我们找的是🥅🚱普通农民🦷、返乡青☑🙍♂️年、小茶🦏👼农，他们想做但不😳会做🤼♀️🛍。最终大概率会出👨👩👧👦💨现「首月尝☀鲜付费热闹🧜♂️⛳，次月退订率🇱🇷居高不🗜🕹下」的行业🏤🌰通病🖖。尽管被⛹️♀️列入黑名单🕰，Anthr6️⃣🎈opic 的😶最新模型 My🌆thos P🕣review 🤓🙅♂️据报仍在被美🥀国国防部和😮🧭美国其◾🇹🇱他联邦机🇭🇳🇬🇪构使用🍒🇦🇲。他的任期内完✡9️⃣成了公司向苹🇬🇩🇴🇲果自研芯片🎳的过渡，👘🦒这是近年来最具深⌚🐺远影响的产品变革💯⚠之一🌉。
发现四：人类觉得🍙◻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 50🌔🌜0 个任务的难度👟🧟♂️进行评分✈📒，然后和 Ag☄ent ⚒的实际 T🛠oken 消耗做📝对比—— 结🙆果：两者🌓🥊之间只有弱相关™⁉。你花钱买的不是答🍘🕡案，是刺激🌁🎏。尤其是双按钮设计🍓，手柄两侧均设有🏋️♀️触发按钮，适合🦈👑左右手轮换操作🕣。后来到了武大我🔀🐎教的是美学🤸♂️🥔。第三种替代方案是📠🆚VLA条件困惑度🧛♀️：先把VLM在🦡👕文本形式的📭✋VLA数据上🔜🇭🇳微调一遍，然后用♐©这个微调后的模型♍对候选VLM样本🇪🇪🚭评估困惑度🇦🇷♌（困惑度可以理🏌️♀️解为模型对这段内🤡🇳🇮容的"意外🔇程度"，越低说明🔢💅越符合模型🌛预期），困惑度越⚡📖低的样本优先入选📉。
