（来源：上观新闻）
然后收到了 A🏵☸PI 🥥🏦账单💲。红星新闻记⚜🐟者 郑🤡⏳直 编辑 郭庄 🇲🇲审核 官莉🇲🇽🍑。实验设🍨计的精妙之处在于📒⛽：它不告诉你 🇰🇼🏓AI 在帮你，💼🆕只是把方案🈁🇬🇸摆在那里，🇪🇪📩看你怎么反应😭。Cla👞ude S🥂📽onnet-3😐.7 和 Son🇩🇿net-🧧🦖4 的预🕊👨🎓测成本🆗➰甚至高😖达任务本身成本🍭的 2 倍以上🦗。可你仔细🤗想想，生活中有🕢多少次遇♍到一个具体小问🐒🔮题，打开应用商🇹🇨🍕店搜一圈，根本🚂🦶没有对应的AP🔯P？ 🔃不是没🏠🇶🇦有需求，是需求太🇰🇭小、太碎、👊🌚太个人化🥗🏄。论文的结👓论直截了当： 🤬👩👩👦现阶段📑🇭🇹，前沿🇱🇺🕝模型无👩🦰法准确预测😜😺自身的 Tok2️⃣en 用量🔏。它们可能🏚只用一🇾🇹次，可能🏉只有十🖲🕴几个人需💈要，可能根本🇬🇹🍰没有哪个A🇲🇺pp能覆盖🌗。Calvin👁👨🌾 ABC-D测💐🇩🇿试的是机器人⛰👙在ABC三个场🚁景训练🥌🔌后能否泛化到📌🇨🇼没见过的D场🈯景，评🌷🗣估指标是连👆🍂续完成五🇦🇫🇿🇼个子任务的🍿平均长🇯🇵👮度（满分5）🇲🇭💁。
可那位父🇬🇳亲偏瘫的用🤶户做「🚥🇲🇩小话筒」，需🎶求是让爸爸能跟家🥂🎫人说话，不是🥞👨🎨想体验零代码编程🎸🤽♂️；乡村老🛑😬师做折射演🔵💨示工具，需✏🇮🇶求是让学生看🔁到光线🚌🦗怎么弯，不是想💂当超级个体😾。」刘耕说🇫🇰🇰🇮。睡眠期间➿主动系🏁🇹🇱统巩固模型🇲🇱。第三种替代🇪🇨方案是VLA条🛏件困惑度💅：先把VLM在文🇦🇫本形式的VL🇨🇲🇨🇨A数据上微调一🍈👨🍳谷歌优化遍，然后用这个微💙调后的🍁模型对↘🛒候选VLM样本评🙏估困惑度（⬜🇼🇫困惑度😒可以理🤧❕解为模型对这🔘段内容的🔯👨👩👧"意外🐨程度"，越🎱谷歌优化低说明越符合⬇模型预期）😎，困惑📨度越低的🔶样本优先入选🏢。
