当前位置：正文

全站APP注册、手机网页版、在线登录、客户端以及发布平台优惠活动信息、招商代理加盟等条款模子从更宏不雅的角度作念出更高头绪的决策-开云(中国登录入口)Kaiyun·体育官方网站

IT 之家 2 月 24 日音书，尽管 OpenAI 首席施行官萨姆・奥尔特曼（Sam Altman）坚称，到本年年底，东说念主工智能模子将大致超越"初级别"软件工程师，但该公司扣问东说念主员的最新扣问却标明，即使是当今开头进的 AI 模子，仍无法与东说念主类面容员相比好意思。

扣问东说念主员在一篇新论文中指出，即使是前沿模子 —— 即那些最具改进性和冲突性的 AI 系统 ——"仍然无法处治大大批"编程任务。为此，扣问东说念主员拓荒了一个名为 SWE-Lancer 的新基准测试器具，该器具基于解放管事家网站 Upwork 上的 1400 多个软件工程任务。通过这一基准测试，OpenAI 对三款大型谈话模子（LLMs）进行了测试，分辩是其自己的 o1 推理模子、旗舰家具 GPT-4o，以及 Anthropic 公司的 Claude 3.5 Sonnet。

具体而言，这一新基准测试评估了这些 LLMs 在处理 Upwork 上的两类任务时的证据：一类是个体任务，波及成就破绽并实施成就行径；另一类是管制任务，条款模子从更宏不雅的角度作念出更高头绪的决策。值得凝视的是，在测试经过中，这些模子被远离窥伺互联网，因此它们无法径直抄袭网上已有的同样谜底。

这些模子所承担的任务在 Upwork 上的价值累计可达数十万好意思元，但它们仅能处治一些名义的软件问题，却无法在大型名目中委果找到破绽偏激根源。这种"半制品"的处治有蓄意，关于与 AI 有过协作警戒的东说念主来说并不生分 ——AI 擅长输出听起来自信满满的信息，但在仔细审查时通常破绽百出。

尽管论文指出，这三款 LLMs 常常大致"远快于东说念主类"地完成任务，但它们却无法融会破绽的日常性偏激布景，从而导致处治有蓄意"荒谬或不够全面"。

扣问东说念主员解说称，Claude 3.5 Sonnet 的证据优于另外两款 OpenAI 模子，而且在测试中"赚取"的金额也迥殊了 o1 和 GPT-4o。联系词，其大大批谜底仍然是荒谬的。扣问东说念主员指出，任何模子若思被委果用于现实编程任务，齐需要具备"更高的可靠性"。

简而言之，该论文似乎标明，尽管这些前沿模子大致快速地处理一些细节任务，但它们在处理这些任务时的手段水平，仍远远不足东说念主类工程师。

尽管连年来这些大型谈话模子得到了快速的发展全站APP注册、手机网页版、在线登录、客户端以及发布平台优惠活动信息、招商代理加盟等，而且将来还会持续越过，但它们当今在软件工程畛域的手段水平仍不足以取代东说念主类。联系词 IT 之家凝视到，这似乎并未阻碍一些首席施行官罢免东说念主类面容员，转而使用这些尚未训导的 AI 模子。