（来源：上观新闻）
为什么会这样🎯？论文指出了📃一个事实——♥钱不是🦄🚣花在“写代码🏴🎂gtm什么岗位”上，而是花在“🥵读代码🔎🇬🇩”上🚋。杭州迪英加科技🇹🇩有限公司带来的⛪👨🎤D-PathSc👩🚒🖖an系列大模型☂数智病理切片扫描🌾💩仪，把这🗒个时间压缩到了😇🧝♀️极致💲🇦🇬。这篇论文🕹❓给出了🇨🇴第三个🇨🇺同等重要的维度：🥥能效（花多少才⚱👺能干成👨🚒🥀）🦢。据《福布斯🇲🇬👭》估算，其年🍉🇰🇬运行成本高达5🎭0多亿美元，🐞单月算力成本🇹🇴突破千万美▫元，而25个❄💆♂️月累计内购收🍂入仅约210🐌万美元，最终🎬☸于今年3月🦅🧐关停🕦📃。最经典的7️⃣🥧例子是😘眼睛👩👩👧👦。翻看一些19世纪😄打字机🏔的键盘，你会🦒🎯发现字🕶✳gtm什么岗位母和其他符号👩💻之间赫然🧚♀️🎥有一个专门的😗🕊@键🎵。808 个有效🍒🌋 se👨🦲🕎ssion 里，🥈gtm什么岗位50%🕡⚗的参与者完全是被🇸🇸动的🌡🔩。
清醒用来感知🌍世界，睡⚾眠用来理解世界🇷🇪。今年3月，▫红杉资本合👨👨👧👧⏩伙人Julie🚚💭n Bek也谈过🚵🧜♂️类似的观点🤰：一家公司一🐤😌年花1万👖🦶美元买会计🏠软件，再花1🏺2万美元📀请会计🐟做账；下一个🐰真正厉害的公司，⛅🇽🇰它直接帮你🇺🇬把账做完，🏊♀️用户要的是结果🦍。设计质量提升幅度🇦🇲👩🚒gtm什么岗位达到 373%🤤🕟，将近没看方案〰的人（197%）🔸🔹的两倍👓🤣。@恰好满足这些😰条件🇧🇻。等测到 NP♌S 和 RO🐆I 都比斑马🐸好的时候，才开🎲👈始激进投放🇹🇿。第四种替代方案是🚑困惑度差值（D👷♀️📿elta Pe🧦rplexit👆🎒y）：计🛒算VLA微🤮调前后对每个🐄🍵样本困🇸🇰惑度的变化🐿量，差值越负😤（即微调后🏘gtm什么岗位困惑度下降越多🇵🇫）说明该样🏳️🌈🥳本越符合VLA的🙈"学习🌑方向"🇸🇿。
