推文

@rwayne · 2026-10-17 10:46

我相信很多人感觉跟我一样，现有前沿智能体已经能完成不少明确任务，但一旦客户没有把真正需求、约束和验收标准说清楚，交付表现会明显下降 FDE-Gym 收录95项端到端任务，来自20个客户场景、18个行业。行业专家把2024年以来在中国、新加坡和美国完成的真实项目改写成可运行的模拟环境，并用脚本模拟130多名利益相关者 真实交付通常存在三个问题： 1、客户只说表面诉求 2、真正约束散落在多人和材料中 3、客户最初提出的方案可能并不是正确解法 传统基准往往把这些信息预先整理好，因此测到的是执行能力，而不是从模糊委托走到可验收结果的完整能力，实验中每个原始任务有4种说明强度： L0： 问题、约束和评分标准全部给出 L1： 给出问题，但不直接给出约束 L2： 只给出模糊但方向正确的需求 L3： 使用发起人最初的原话，需求可能不完整，甚至指向错误方案 作者认为，前沿模型面对“发起人的方案方向不对”时未必损失最大，也能从利益相关者那里获取大部分事实。真正的损失主要发生在两处：一是把事实转化为能改善业务的系统，二是为发现事实付出过高的沟通成本。因此，最后一公里不是单纯增加工具调用或追问次数，而是交付判断

曝光 261 · 评论 0 · 点赞 1 · 书签 3 · 曝光/时 243.2038921907912