（来源：上观新闻）
（本文首发🛵钛媒体🐃APP，🤝🧓作者 | 🍃硅谷Tech 💈news，编🥰辑 |🚇🇨🇲 赵虹🏥宇） 注🎥：本文🇮🇩基于 👨🏭📪2026 年 👃4 月 24🍐 日发表于 a🥢🥀rXiv 的🛤🦸♂️预印本👨👨👦👦👋论文 *How♟️ Do AI 📽🕣Agents S4️⃣🍘pen😄d Your M🚓oney🇬🇶? An🇺🇳💋aly🇻🇺🥝zin✒g an🏵d Predic🎇⭕tin🎸g Toke🚪🇮🇲n Consu🗿📧mption 🇬🇪👹in Ag🌶entic👨👨👦👦🦓 Coding🦷 Tasks🇦🇫😈*（Bai, 💦Huang, W📂🥳ang, S🏧un,🖖🕊 Mihalc💀ea, B🇹🇴ryn🤮🇦🇲jolfsson🏞🧜♂️, P🍸🎖entla🎸nd, Pei）🏃撰写🐍。
第三种替代🧡方案是VLA条▪🇻🇨件困惑度：先把V🌏🇨🇵LM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🍉。
