（来源：上观新闻）
发现一：Age🇹🇫nt 写代码的烧💂📃钱速度，是🤤3️⃣普通 AI🙎 对话的 100✨0 倍 大家可能👷♀️🔠觉得，让 🏓AI 帮你写代码🇲🇩💑和让 AI 跟💿你聊代码，🇳🇿🈂花的钱应该差不🤰多吧？ 💪论文给🔈出对比显示： A🦇gentic🥩 编码任务的🕘 Token🇧🇿 消耗量，是🌃普通代码🍌问答和代码推理任👨🔧🐭务的 🗻🥠约 1000 💐倍⛓🛰。这些对比共同🙋3️⃣揭示了一个道理🇦🇨泛seo：VLM样本与V⏹↕LA领域的对齐程👬👩🔬度，是一个需🍣要从数📚😥据中学习的🍪➗泛seo复杂信号，而不🍈🥁是可以靠直觉构🇬🇫造的简单距🧸🤯离或困惑度🎵度量🛌。
字节跳动火🧔山引擎负责人谭🎁😷待之前在👻🕵️♀️接受采访时🌏🤶曾经谈到大模📏🛤型定价问⤴🎁题，在他看来，涨🥢⚓价只是部分厂商的🐂市场行为，👩👦🍾行业内同样🥮有厂商在推进降价📞，核心分歧在于对💹🦚Token（🔋👉词元）🤽♂️价值的判断📀💟逻辑📝。预计这些改进😤🌦将变得可见🐛😪、持续，并与生❗态系统↘🎣深度整合🇵🇸。但这项研究的数据🔣👩👧👦显示，🐈👯真正有价值的 🧪AI 协作，恰🌜9️⃣恰是让你花更多🇬🇷🇱🇦时间、投入更▶多精力的🙆那种🥃。具体实现上，研🙁🇸🇹究团队把🎯VLM模⏺☯型对每个数🇩🇴🦏据样本的内部表示📴（也就是😰模型最后🧥一层的隐藏状态👩💼🧻，可以理解👒🛍为模型对该内容🇰🇵🤷♂️泛seo的"内心印象🔱😶"）提取出来，🙊冻结不⏏🇨🇳动，再在🍠上面接一个非常👨💿简单的线性分👨🚒类层，用V↙LA训练👍数据作为正👩⚖️样本、VLM训🚋泛seo练数据作为负📑样本，训练这个🛬分类器区分两类🥞数据🤷♂️🇬🇫。
