（来源：上观新闻）
这说明邻近🇿🇼🙆性估计器捕捉👩👩👦👩👩👦到的"与机🦅👠器人世界接近🥅"这一😮特性，🛵并不是某🕺个特定V👷♀️LM的个性偏好，🎳而是一🕡种更普遍的、跨🛩模型适💋🧚♂️用的分布对齐信👨👦👦号🚺👻。AI当考官，急🔶救教学有标尺🏃 一台成功💮的手术🌫✉，离不开训练有素4️⃣的医护人员♉。第一个问题在于用🍓🐩户愿意付钱，但💗不愿意一直付钱🇦🇨。
研究者让同一个 🈴Age🇿🇲nt 🇸🇩🚮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 ⚔🇹🇿Toke👨🔬🏘n（F🇵🇫👨👨👧👦igure 🥎🔨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🚶♀️（Figu🅰🈴re 🍓🦜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🥽🕠geo是啥”，而是“🔏贵出一➗个数量🇯🇪🉐级”👄♦。
