（来源：上观新闻）
研究团队🚃对训练😳后的模型进行🚀🎄了多项🇧🇲严格的测🤲▪试，结果非常直观🇮🇨地证明了“三思而🚊后行”的巨大🇩🇰🚟价值4️⃣。其一，邻近性估🐱计器完全建立在冻🚕📮结的VLM特👨👧👧🇦🇺征之上，无需对V🌽LM本身做任何改🧱动，计算代价🐉极低⚱。当然，🇲🇳这项研究也留🖇💂♀️下了一些开🈺放的问题➡。我们设置🇨🇷⏸挑战赛🎰，你拍🐅了我们🇻🇺就给你流量激励，😎🦂内容好的我们给♥加热🇦🇫🇲🇬。
这是最核心、也是☁🇦🇱最难解的🇬🇾👨🦲矛盾🇸🇷🇱🇻。相比于人类🎡🎇乘客手中的笔◾记本电脑或智😄☸能手机，驱动一👨🚀台人形机器❕🥅人所需的电池😎容量显🕵️♀️🦉然不在现行民🎧航安全条例👕的豁免清🇵🇭👩🍳单内♦。研究者让同🧘♂️💒一个 Agent🔳💁 在同一个任🙋务上跑了 🏫4 次，结果发📼☣现： 👩👩👦在不同🚻任务之🇩🇿☦间，最贵的🔱任务比最便🌳🍤宜的任务👯多烧约 🚺700 万个 ⏯Token🐖（Figur🚈e 2a） ☁在同一🍫↙模型、同🥂🥇一任务的🥗🥠多次运行中，😪最贵的一次大🍮🇹🇱约是最便宜🇲🇵的一次的 2 倍🧜♂️（Fi💛gure 2b🇲🇽🎯） 而如果😟跨模型对比👨💼🏩同一个任务，最高🥄消耗和最✡🍳低消耗之间可以☦相差高达🛫 30 🍡🇬🇩倍 最👩👧👧后一个数字尤其值👗🇭🇲得关注：这意味🤲🥞着，选对模🇮🇩型和选错模型之间📙的成本差🇦🇩🐿距，不是“♏🚘贵一点”，而是“🥪🇵🇸贵出一个数量🔰🧟♀️级”🇵🇪。
这意味着，纯⛷粹的订阅制定价🏵对 A🥍gent 场🗯景可能不可持🖇续，按量计🏥费（Pa🦟y-as⚫➡-you-🍲go）在♈🥜相当长时间👹🇽🇰内仍是最现实🇻🇳的选项🎄。”三十载与岩👵🏙共舞，他🌽为地下工程筑起🙋♂️安全“长城🥗”😥🇵🇼。当模型借助❌某段内部⚜🕋草稿成🔈🚖功且准确🦶🍂怎么除蜘蛛最有效方法地预测出了⚔后续的文字，💭🚢裁判就会🌙💨给予丰🍠🏠厚的奖励，鼓励♒模型记住🤥这种思考方式；🏈相反，如果那段🇳🇷🍛内部草稿导致模👩🎓型猜错了接下🍅来的内容，裁🚿🇸🇲判就会毫不😽✡留情地将其扣👈🍅分废弃😵。
