（来源：上观新闻）
在该研究中，研究🥬🇨🇷团队展示了技🌸🕔术作为相机的 👨❤️👨demo—🐅—10×10 的🥰♨视觉芯🥀🥽片🌭。研究者让🙏🇨🇼同一个 Agen🐁🇧🇯t 在同一👅个任务上跑🖋🇬🇵了 4🐧🐙 次，结👝果发现： 在🔀不同任🇸🇾◾务之间，最贵⏺👨🚒的任务🇹🇬比最便宜的任🔚🙊务多烧🥌🙅♂️约 700 📤👨⚕️万个 To📭⚛ken（➗Figure😂 2a） 在同一🤟sem全称是什么意思模型、同🚹💝一任务的多📭📐次运行中，🐦🏞最贵的一次大约🈂是最便宜的一😘♟️次的 2 倍（💟Fig🔭🙀ure 2b👩🦱🍩sem全称是什么意思） 而如果跨模型🕐对比同一😚✖个任务🐒，最高消🖱耗和最低☣🇭🇺消耗之间可以相🎆差高达👩🦰 30 倍 最后🥧😴一个数字尤其🤼♀️㊙值得关9️⃣🔨注：这意味着，选🛵对模型和选🍕错模型之间的成🖱本差距，不🖍🎣是“贵一点”，🐽🌿而是“贵出一个⛏数量级”😅✒。
换句话💡说，分类器的7️⃣⚱输出分数可以作🇲🇺🌱为衡量"这😐🏏个样本更🍋像哪个🙌🌴世界的🕵️♀️😲人"的连续尺度🖖。这样做的好处是，🇲🇭当光线照射过来👯⬇，可将光生😶载流子中的电🧺子储存在“储蓄🏄池”中，然后👑在需要时再通过📁📵施加外加电压将🇪🇪它提取出来🥤。为了防止➰🙁过拟合🌗，训练在验证集🍚⛏准确率达到9🐙0%时就提前停🤤🇹🇱止，整🔚🤷♂️个训练过程通常🇲🇹🥼在75到📉100步内完👨🔬成🕠👄。
