工具与体验

会答题,为什么还做不完整件事?

相关发言 · 2026-08-13 — 2026-09-14

整理提要

长任务会同时检验目标保持、工具使用、异常处理和最终交付,而不只是单次回答。

讨论从这些话开始

北鱼
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
郑楷滨
假设我给他喂了1000多条数据,那里面可能有200条是这个形式的数据,200条是另外一个形式的等等,而且你的数据接口都不一样
原话 155

这里是从案例提炼评估维度,不能据此给某个模型当前的自主工作时长或可靠率打分。

继续追踪这个问题

按已有记录串联相关讨论,不把跨日期材料写成一场连续对话。

还有哪些条件没说完?

这里是从案例提炼评估维度,不能据此给某个模型当前的自主工作时长或可靠率打分。

所谓“自己跑完”,是生成了产物、通过了测试,还是被真实用户接受?

接着看

加入观澜

观澜群邀请卡,微信扫码加入,有效期为 2026 年 10 月 1 日前

原图注明 10 月 1 日前有效;能否入群以微信提示为准。