会答题,为什么还做不完整件事?
为什么这样整理
大家说的“能做”,可能不是一回事
北鱼说长周期任务更能看出差别;数读描述过给 AI 一个最终目标,让它自己迭代的工作方式;郑楷滨则遇到多种数据和处理路线混在一起,AI 绕进死胡同的情况。三个人都在说交付,但面对的任务和环境并不相同。[67][164][165][157][158]
任务一长,会多出哪些难题
不仅要记住最初目标,还要处理格式不一致的数据、发现走错的路线、决定是否继续,最后把各部分拼成真正能用的结果。会给方案,不代表能执行方案;一直在执行,也不代表最终有效。这是这些案例共同暴露的问题,而不是对某个模型的统一诊断。
怎样才算“自己跑完”
不能只看它跑了多久。要同时看任务边界、成功条件、人为什么介入、介入了多少次,以及错误有没有被发现。很久不问人,可能是能自主完成,也可能是根本没发现自己跑偏了。郑楷滨强调的“时间以及完成度”,需要放在一起看。[156]
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。
还可以继续问
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?
核对早期整理措辞
两种“能做”的体验
北鱼指出,单看代码很难体会出模型差异,长周期任务更容易显现。数读介绍的工作方式是给出终极目标,让 AI 自行迭代;郑楷滨的项目则显示,多种数据与路径一旦混在一起,系统仍可能绕进死胡同。三个视角谈的都是交付,但任务难度和环境不同。[67][164][165][157][158]
长任务到底难在哪里
按照这些描述,困难至少包括:保持目标不漂移,处理不一致数据,辨认失败的路径,判断是否值得继续,以及把局部输出组合成可使用的结果。能够给出一个方案,不能直接证明能执行这个方案;一直执行,也不能证明最终结果有效。
如何讨论得更有信息量
比起单看“跑了多久”,更有意义的是说明任务边界、成功条件、人工介入的原因与次数、错误是否被发现。时间与完成度要一起看:很久不提问可能是自主,也可能只是没有发现自己已经偏离。[156]