（来源：上观新闻）
」刘耕说🇸🇳。人脑在🇳🇵🛒睡眠中做的🚕🎿几乎是同一件事🧐。钱没花在解🖋✂决问题上，花💆♂️在了“迷🥒🗼路”上🇲🇶。他们用👩👧👨👩👧行业标准的 Si🛷🤰mpleQA🧰⏩ 基准🚎🌼测试检查🏣🏳了 4326 🚑次 Google🔇🇵🇸 搜索的 AI🐂🎣 Overvi👩⚖️🍒ew 回答🇿🇦🔭，分别在去年 🛐🏷10 月（基于 🍓🍕Gemini 🍩🇮🇸2）和今年 2 ↪🉐月（升级到 💒👫Gemini 3🕷）进行了〽🌆测试🥽。
由于与🐤本体厂商深度🔊协同，平🚝台能够实时根据📹市场反🏂seo和geo是什么馈调整硬件参数🦓🐰或服务🚖细节🅾🎎。当我们在屏幕上打🇦🇽下问题并按下回🅿🇮🇱车键，光标闪烁🇸🇭⛰的瞬间，文字👩✈️Ⓜ就像瀑布一样🇳🇨seo和geo是什么倾泻而下⛰🍼seo和geo是什么。这些错🦵🍑误答案被放在搜🥿索结果的最顶部🇸🇲，用最🥢👨🔬权威的排版🍊⬜呈现，用户🍛🇮🇲看到的第一个东西🦟，就是 AI 🇬🇧🇹🇱的回答👑🏔。发现四：人类觉得♑⛸难的，Ag🍹ent 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 50☯0 个任务的难💁度进行评分🇱🇹📩，然后🌖😎和 Agent🍺 的实际 To⬆👨⚕️ken 👃🧗♂️消耗做对比—— 💪结果：两者👞之间只有⛵🚐弱相关🐽。
作者批评了 AI🎹 工具行业的主🉐流评估方式：🕶🇨🇴用点击率、📿复制率、采↙纳率来衡量 😧AI 建议的价🌕🇧🇶值🛵🇺🇬。合作团队还包括🚭加拿大🇷🇺📽麦吉尔大学✋、澳大利亚🎥国立大🚙学、浙江大🇩🇬🍢学、英国剑桥大学⏳🌴及武汉大学等🇰🇬。在面对所有模型🛏都无法解决的🎐🥡困难任务时，理🏝想的 Age🌷🇨🇴nt 🍻应该尽早放♒💫弃，而♎🇬🇱不是继续烧钱🔜🇰🇮。瑞士苏黎世大学🇨🇩神经科学中✨🏌️♀️心的比🧜♀️🔗约恩·拉施（B🇪🇭jörn Ras📱🐅ch）实验🏁室将这个过程命🏁➡名为「主动系统🇲🇲✏巩固」（acti🇨🇺ve s🏴ystems c🏡onso0️⃣😻lidat🇪🇹🍷ion）🛡☣。
