（来源：上观新闻）
这篇论文给出🐃🇬🇮了第三个同👩👧👦等重要的维⚪🧨度：能效📈🇻🇺（花多少才能🇲🇩🌑干成）🏥🥌。具体来🏃🌞说，他们让🙂♿VLM读取每一个🌡🧕google搜索优化数据样本，提取💊出模型对这🌞个样本🔭🏯的内部理解🇳🇷🇯🇪表示（可🇵🇬以理解为🇦🇮google搜索优化模型对这段内🛅容的"印象"）👩👦👦，然后用一种叫🇨🇷🇬🇮做最大均值👨👨👧😮差异（M🇺🇾MD）🇵🇾的工具来💀👨👨👧量化不同🥝🎁数据集🥺之间的分🎏🇮🇲布距离🇰🇷——距离越大，🈲🧖♂️说明两👩🏭🆎组数据的🚁"世界观"差💖👨🎤异越大👨👩👧🚭。
当你只看到好方🤮案，你倾向于直接👰🌹复制；当👇😠你看到一🇲🇼🌝堆参差不齐的方♦案，你🥃🇬🇮被迫开始💵🇻🇬自己思考🇷🇪，因为没有哪个方🇲🇺🧙♀️案可以直🇲🇬接拿来用💌。发现四：人类觉得🔔难的，Agent🇻🇺🐤 不一🗣🥕定觉得贵——难🕓🇵🇾度感知完全错位🧲 你可能会想🧲：那至⏺少我可以根据任😳务的难易程度🚢来预估成🖤🧜♂️本吧？ 论🇬🇦💴文找来人类专家，🧳🐝对 500 个✡任务的难度🔲进行评🌎🖖google搜索优化分，然后🦹♂️和 Age🥼🕗nt 的实🐜1️⃣际 Tok🐛🇳🇴en 消耗🐣🍬做对比📗—— 🍊🔨结果：两者之🤽♂️😅间只有弱相😬关😆🇸🇸。
Q3：普通🇦🇬🇩🇲人未来使用的✌AI对话🌞助手会因为Qui♾️🖖et-STaR发👨⚕️生什么改变？ A🏇👨❤️💋👨：未来的🏇🇶🇦AI对话助🇺🇾🐼手将不再像🧷🍯现在这样不假思索🇨🇦👨💻地“脱口🔐🔴而出”，而是会在⚗🌆回答复杂问题前有📉短暂的🙎思考停顿💨🇧🇾。
