（来源：上观新闻）
从 C©🇧🇪hatG🇪🇹❇PT 到🇮🇴 Midj🐆🇬🇺ourne🔮❎y 到👿🧛♀️ Cursor，🏴所有 AI 工具🍹的价值主👨💼张都是「🚔更快、更好😒、更省力」🦕。所有比较🗣📥均通过🚊了严格的统计检验🚏🗽（Ma🈺nn-Whit🏤🛴ney 🖼🦎U， p<🍪🤟0.002）🇳🇿🍁。靠什么⛳🇨🇭把供给做出来 A😀📟I 闹：这群📷人怎么找🇮🇲？怎么让他们来👩👧🏳 Elser.A⛺🏋I？ 刘耕：这👨👦就是我🈯在字节后面两年干🤚的事情🛑🧙♂️。**二、如何从海📑🙍♂️量数据里"选出🕔✨好学员"**🏢🇸🇻 弄清楚了⛈问题所在，研究👨🦳团队设计🏛😣了一套👨🏭🤛beautitul的中文数据筛选引擎，核🇰🇼🇹🇷心是一个他🦡们称之🦓🚠为"邻近🚨性估计器"🙇♀️的轻量级工具🌬🧷。
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"📖♌ 为什么会🚰🕚这样？论🇬🇶文通过分析 🐸Agen👩✈️🎰t 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Ⓜ。具体来⛅👷说，他们🙏让VLM读取每一🔳🍘个数据样本，🖥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☣😕。
