说实话,代码层面我是真很难体会出SOTA和非SOTA的区别了,这个只能是长周期任务才能体现 短期内我真看不出来😂原话 67
工具与体验
哪个模型强,先看拿它做什么
整理提要
有人偏爱编程执行,有人需要需求讨论。同一个排行榜,回答不了所有人的工作问题。
讨论从这些话开始
原文包含大量型号、价格和版本体感,本页将它们保留为当时的讨论记录,不作为现行产品说明。不同人的任务并不受控,也没有完整测试样本。
继续追踪这个问题
“浪费时间也是一种苦”
工具价格与实际体验的争论,把等待、失败和返工也带进了成本。
模型切换、任务差异与研究外推
Recover讲述换模型修复Bug的个案;J1_Hee与数读对工具偏好不同;一段研究转述明确提醒不要扩大结论范围。
还有哪些条件没说完?
原文包含大量型号、价格和版本体感,本页将它们保留为当时的讨论记录,不作为现行产品说明。不同人的任务并不受控,也没有完整测试样本。
下次说“这个模型不行”时,能否附上一个可复现任务和失败判据?
接着看
便宜的模型,真的省钱吗?
把等待、检查和返工算进去,再看一次任务花了多少。
同一个模型,为什么换个工具就不一样?
影响结果的还有权限、上下文和工具怎样安排工作。
会答题,为什么还做不完整件事?
任务一长,保持目标、发现走偏和最终交付都成了考验。