（来源：上观新闻）
从技能到㊗🍲记忆的执行记🌡录反哺，将✊每一次🐃🇩🇿技能调用🍘的遭遇写入⛏外部状💆⭐态，赋予🛳系统基🙂☂于历史事实进行自😷我纠错的🦵底气🧮。” 李尚龙擅长结🍱合自身体验🇧🇴🚣与时代趋势😑创作，此前的《🇰🇳AI时代》聚焦⌛👵AI发🥌🇵🇪展的宏观解读，🇨🇼而此次推出的《🇧🇾🚂龙虾养成记：O👦👟penCla🇵🇹w AI智能体实🚽操入门》，则彻底🥚转向微观实操🥖。论文最重要的消融💡👣揭示： 随机初⏭始化 Vi🇳🇦T-S 直接在📦🤞 BAD🐑AS 监督信号上🇶🇦🏜训练 → AP🤨📈 接近随🖤机 在 2.🥢25M 无标🕑☯注 Nexar 🎉3️⃣视频上做 V-J💇😣EPA 风🇲🇺🤶格的 m🇰🇪👊aske💀🦹♀️d featur🧒🏌️♀️e pre🧤🍔diction 🇸🇯✒→ +28.1 🐴😕pp AP（达到🐣📙接近生🔠🇲🇼产质量）🕋💤 再加💕🧽上从 ViT🔦-L 教师的知识⛏蒸馏 → 再 +🍞🚡1.0 pp A🐗P，同时 🥫FPR🍉 从 20🐪.6% 腰斩到 🐸9.1%📀🙋 换句话说，领🎱域自监督是 2💝8 倍的贡💓🏴献，蒸🦁☁馏是 👟1 倍🚩的贡献↔。
已经有人开价🦢，愿意⏯👨👧以8000亿美🇸🇻元估值投资A🦌nthrop🇱🇹ic，甚至🇸🇱🥽有些投资🇮🇹🥉者认为🚅🧝♂️Anthr🛀opic估值🇭🇺可以达🐴🆎到1万亿美元🥊。市场对🤴此反应积极⛔🇬🇺，新套餐上线即😓售罄，证明🧩了高价值用户愿😻意为更强的模型🌰👁️🗨️能力支付溢价🛣。你们和🔇🌩同行同时发布了🇹🇯能爬楼的扫地💄👩👧👦机、带🇭🇳夹爪的机器人——🔡🏨领先性在哪里💸呢？ 俞浩：👯♂️🌂创新能😹🥫领先 🔂18 个月就贵🚆了，所以我们🇸🇰需要一🐵🛒个体系来支🍨🐏撑持续创新🕳。智能体-工😈具协议如A😸🇪🇬nth😨ropic提出的⤴🙈模型上下文协议🦃🇻🇳（MCP），🗾提供了🇯🇲一种标🇵🇳😂准化的方式让🚽🇸🇰智能体🎪跨越异构🧗♂️🚂服务发现⤵并调用工🚁具，解耦了9️⃣🇶🇦特定模型与特定工🎌具的深✈🧢度绑定🔠🦈。
