（来源：上观新闻）
想象一下这个🧸🏔场景： 你🇸🇲👩❤️👩让 AI Age🐶nt 帮🇲🇸👩❤️👩你修一个代码 B🦖ug🏪。论文发现了一♻个“倒 U 🈁🔃型”曲线：🔌 成本水平准确率♓😺趋势低成本准确率👇🔮较低（可能💴🇹🇿投入不😚够）中🥢🎌等成本准确率🐖往往最高高成💉😲本准确率不🍆🇰🇬升反降，进入"饱🔐🚸和区间" 为什么🕍能给谷歌加速的软件会这样？论文通过❕分析 A🤹♂️gent 🇬🇸的具体🗜🎺操作给出了答案🔜—— 高成🧟♂️💂♀️本的运行中，👩🦰Age🦶nt 大🇦🇩🐎量时间🌀✌花在了“重复劳动▪🇨🇱”上✌。
它们就像是一个毫🏀💡无心机的🦸♂️直肠子🧗♂️🚞，只根据你🈸🤽♂️刚才输入的🚌内容，凭借本🚠能去猜下一个最🇱🇮有可能出现的字是🏍📆什么，完🇨🇬全没有“停下👨🎤来想一想”🦜的内部空间🤼♂️。他们有流量🏛、有钱、有采购预🇻🇪算，但他们没有🆔↔能力也没有意愿去🇳🇴发现和培养 📚P🐕🌞。它们可👟能只用一次🚒👍，可能🍢🇱🇮只有十几💡🗽个人需要，🐏可能根本没有哪个👋😢App能覆盖👪🇨🇺。某些VLM数据源🎸🇰🇿——比如🇨🇺😸专注于🏋空间指代🧵推理的🦛🇨🇲RefS💨pati🐽al数据集——🌏🙁与机器人🤳👄数据的距离，🚵♀️明显比纯图文🦈🇩🇰描述数据更近🇧🇿。越来越多的非智元👝🔍系本体厂商开🛣始意识到，与其🗽自建昂贵的售后♻📹与租赁网络，不如📐接入擎天🚺租已经铺🔤开的400多🤑🏴个城市合伙人🇹🇦节点🧜♀️。
