（来源：上观新闻）
▲乘客纷🚔纷与机器人📂📠合影 不💯🐼过，虽然航班延🥎误，现场的乘客🍌也并没有太多怨言⛏，很多人👩💻纷纷和B🧟♂️ebop👱♀️合影打卡🧸🍿。大模型商业化的🍼本质是算一笔🕶账：收入，能🇦🇮🦑不能覆盖算🇸🇧力成本？ 这🤾♀️是一个行🐾🇱🇾业级难题🔆🐨。更有意思的🦈🏭是 MAP-E🇯🇲🌂lites 方👧案和随5️⃣🧦机方案👨🌾👩🦲之间的对比🏌。最反直觉的发🐕现，藏在实验室研🥝🖕究里🇧🇱🥈。这是因为人👨👩👧👧和 AI🇸🇬🏌 “看到”的难🐈🔷度根本不是一回事🦟⚡： 人类看的是🗜🦝：逻辑复💗👩❤️💋👩杂度、🎠算法难度、业务🍎理解门槛 A🗼gent 🍗看的是：项目🛵✡有多大、要读💷💎多少文件、探索路🇹🇭✂径有多长、会不会👟👱反复修改同一🤛个文件 一个🔑人类专家觉得🙄“改一行就行”的🗓 Bug🌑🖥，Agent 可🇩🇴能要先读懂🇺🇲💙整个代码库的结🇫🇲构才能定位🌠到那一🇩🇬🍖行——光是🍋😜“读”🧫就要烧掉大量 T😸💗oken🙅♂️。
**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☠🇰🇬。它打开项🐈目，读了 2🚥🏒0 个文件◽😭，改了改，🏝🦈跑了一下测试🌊⬛，没过，又改，💯又跑，☦🐽还是没过……来🤹♀️🛵怎么除蜘蛛最有效方法回折腾了十几轮🛰👺，终于——还🏌是没修好🧤。这里的“🎭读”不是指人🇦🇴类读代码，而是🚞 Agent 🧬在工作过程中，🏃🚀需要不断地把整个〰项目的上🙍🤧下文、历史操作记🦠🇬🇶录、报🧷错信息、文件内容🍯一股脑🎣🇦🇱儿“喂”给模型👩🍳🍊。
