（来源：上观新闻）
KAIROS 在🛃用户工📂作时持续观察➰和记录🍁，维护每日日志🤞目录编辑（有点🔡龙虾的意思）⏱🇧🇸。作者批评了 A🥙🔌I 工具行🧠业的主流评🙍♂️🤼♀️估方式：用🇨🇾点击率、复制率☕🌨、采纳率来衡🇬🇬💻量 AI 建📿议的价值🌸🐽。这1000个人我👨📔们拉群、给策略🇼🇫、给资💚😊源⚔。
有的平台搞社区，🌔♠让用户把应4️⃣用发上去，点🦜👨🎓赞、评论、🇧🇯🇦🇫二次创作，🏝模仿短视频2️⃣的逻辑🔡🌇。发现五：连☣模型自🙋♂️己都算不准自己要🌇🖋花多少钱 既然🔎➰人算不准，👩🦰📶那让 🛸😨AI 自己来预测🚑😑呢？ 研究☣🖤者设计了一个精🔬🕯巧的实验：让🔅 Ag🧺ent 在真🧦正开始修 Bu📿🚿g 之前🇷🇺🖖，先“ i🚌😒nspect”一🏐下代码库㊗🇨🇼，然后预🇹🇬🐈估自己需要消耗多🇰🇼📮少 Token—🤞🀄目录编辑—但不实🎎🇸🇽目录编辑际执行修复👩🦱🤔。
而即使在同一个🌝数据集🇹🇷内部，不同🌚🍛的样本与🎗👨👨👧👧机器人🇱🇹世界的相关🌹🇲🇦程度也大相径庭⛄。我们对🙋🔲 AI 的期🇲🇺🇰🇭待，说起来🇾🇹非常简单：给最好🥒🌕的方案、最🇼🇫🆔准确的代码、☮🐵最精确😓🇱🇨的回答👎。人脑在睡眠中🧝♂️做的几乎是同🐛一件事🤪🥉。第二种替代👣🇼🇫方案是特🇹🇻🍖征空间平均距离🚲🦐：对每个📏🎽候选V🕐LM样🥭本，计算它的VL🐪M内部🎏表示与所😐有VL📴🤽♀️A样本内部表示之🇻🇦👴间的平😖均欧氏距离🧜♂️🌋，距离🇦🇶😦越小的样本💷优先入选👃。
