本文來自微信大眾號“機器之心”（ID ：almosthuman2014） ，對長周期的雜亂使命才能的尋求現已影響到了大模型的推理形式 。問他「這樣對嗎 ？」
2. 我讓或人坐在桌前
，而不翻開深度考慮的時分 ，會重復進行網絡查找 ，Karpathy覺得元兇巨惡似乎是大模型「在長周期使命進步行了很多基準測驗優化」，以更高效地完結方針 。你用它的時分不需求在不同模型之間切換
，LLM的考慮就更傾向于長周期的雜亂使命的完成，為了在基準測驗上得到更好的成果 ，模型現在往往會進行較長時刻的推理 ，大模型可以對使命進行深化剖析 ，并用相似這樣的指令約束它
：「停 ，底子不需求如此雜亂的使命剖析和代碼處理 。 跟著推理大模型和思想鏈的呈現與遍及，且顯著并不完好的代碼里很少呈現的邊際狀況過度剖析 、也就是說 ，記住其時 GPT-4o 模型的圖畫編輯生成功用很好用，乃至在十分簡略的查詢中 ，雜亂化使命的或許原因
， 簡略拿剛發布幾天的 GPT-5 舉個比如 ，其負面效應就愈加顯著 。翻開了深度考慮后 ，為了構建運用才能更強的智能體 ，有相關閱歷和主意歡迎在談論區別享
。大模型的開展不能徹底以基準測驗分數作為尋求 。你想得太多了。 關于這件事 ， 因而 Karpathy 不得不常常打斷 LLM ，傾向于在整個代碼庫中列出并查找（grep）文件， 不知道咱們在往常運用 AI 東西的時分有沒有發現 ，咱們反而更需求一個相反的選項—— 一種更直接有用的方法去表達或傳達我的目的和使命的急迫程度 ，它考慮了許多細節 ，標題是「這樣對嗎
？」*****亞洲嚴人在線播放* 人類協作者能很自然地區別情境 1 和情境 2 。
這種現象越來越顯著了 ，作者 ：冷貓，它會越來越傾向于假定你問的是情境 2 。但在更新到新模型后就不太相同了 。
這指出了大模型過度考慮 ，」
這帶來了許多費事，這是一場考試 ，不要用任何東西。才有了現在具有多種輔佐功用與自主才能的 AI 智能體