跳到正文
10月21日周三
10月7日周三
  1. Microsoft Research60

    Microsoft Research 的 Jennifer Neville 谈 AI 会犯哪些错,以及失败能教会我们什么

    Microsoft Research 的 Jennifer Neville 在访谈中解析 AI 在多轮对话和长流程协作中的失败,以及评估如何帮助改进系统。她的团队将单轮基准改为逐轮补充需求的测试,发现模型表现显著下降,长流程中的未纠正错误也会累积并造成混乱。她建议对话混乱时重新开启聊天并一次性完整说明需求,在实际工作中保留人工监督与核验,而非将任务 100% 委托给 AI。

    推荐理由:把单轮基准改造成逐轮补充需求的评估,能揭示高分背后的交互短板,为设计贴近真实工作流的测试提供具体思路。