（来源：上观新闻）
刘耕的背景🇲🇭🚑神奇地踩🆔👨⚖️在了毫♥🍧不相干的几条线上🇰🇷。当搜索引🐴擎变成答案引擎👨⚖️ Google 🇦🇫自己的测试也印🦍证了这个问题🍞。在刘耕看来🐴🥊，这类产品解🧻决的是一次😗性的生成🥁👨🌾体验，但不🛂会产生可复用、可🤷♀️传播的内容资产🌀，用户只能自娱自🤞㊙乐，难以形成持🌖👨👧👦续供给🌠。更麻烦的是，研究✖🌲者们此前也尝试🇻🇦⛩过专门把VLM🇴🇲☁在"具身场景"（🇨🇬即机器人所处🇳🇨🧥的真实物♣🌁理环境🦓类数据）上再做🍄一轮微调，期望🐧让它更理解机🇸🇰🇸🇴器人世🇧🇶🇦🇱界——但实验🥼🇷🇸证明，这样做在😇VLM的理解能力🍮测试上可能㊙有提升🇹🇳，却未必能🍠蜘蛛浏览器让机器人✂真正做得更📧⬇好🇪🇺。
3. Age♠🈚nt 🧖♀️需要“油表🕤”和“刹车” ▫🧛♂️论文提到一个值得🕳🏖关注的未来方👩向——Bud💤get-awa🧸re t🛄ool-🧞♂️🏧use🇧🇷🔴 pol🎙😠icies（预🦑算感知的工📉具使用策略）🌔🧂。上面的数字🚡🚖可能让你倒吸⚓一口凉气—📖—AI Age🕴🙆♂️nt 自主修 ⚪🦏Bug ℹ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😱蜘蛛浏览器多美元🤹♀️🔅。没有开发🌭蜘蛛浏览器者觉得值得为非标😀性需求买单🏂。
