（来源：上观新闻）
auto🙁🇳🇮Dream 则👨👧👦🗡只在用户关掉电脑👮♀️🧝♂️之后启动，🥐🧁整理白天积🧚♂️累的记忆，☪🇳🇫清除矛盾🦊💤，把模糊观察🤐🚁转化为确😜定事实👨🌾。到了 Ge🐛min🥃😉i 3 时🏳🎅期，准确😚率提升到💊 91%，😭错误率 9☸% 乍一🥿听 90%准🇶🇦💧确率听☎起来还不错，🥋😪但考虑到 Go♾️ogle 每年处📺理超 5 万亿🌎🇲🇳次搜索，即便只有🐌 9%的📥🌖错误率，换🧗♀️👨🦰算下来↪🎏也是每☯小时超 57🍵🇲🇰00 万条错误信💏🤓息，每🧢分钟数十万🇰🇲🛶条👧👨🎨。
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 70🐥0 万个 Tok🥄en（🙆♂️☑Figure 🚦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☂🤥（Figure ↩🦸♀️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”🇳🇱。
这项研🆘究的工艺与互补金🙏💉属氧化物半❕🇭🇰导体（CMOS）8️⃣完全兼容，有望应🍍🍏用于下一代边缘计👁算视觉终端、研🍀发类脑计算芯🐿🇸🇻片以及智能🐅机器视觉系统⚫。” 经典元件如⬛何应 AI 时⏯🇸🇹代新需求？ 长期👨👩👧👧🎦谷歌登录以来，中科大孙🍻海定教授 iG🦢⁉aN 实验室主📉🌝要研究方向🐵是宽禁带 I🥩🔛II ⚡族氮化物（氮🛴化镓等）半导体材🛥🥊料外延、光🇿🇦♣电器件😜⬛和集成芯片🎉✴。
