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
会答题,为什么还做不完整件事?
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
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
让学生自由挖题,还是先给方向与约束?
数读希望实践更贴近真实需求;Yourset🐧提出先明确兴趣;kyrie_H质疑无约束搜索空间。
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
少盯 AI,怎么知道它做对了?
把精力放在验收与证据上,检查本身也需要预算。
AI 走进死胡同,谁告诉它换路?
会用知识,还需要知道什么时候补信息、求助或重新定义目标。
工作开始改变,要等到超级智能吗?
可靠性、人工介入和总成本,可能比一个远期名称更具体。