观点认为确定性可验证任务与多天苦磨才是 Agent 能力前沿

开发者社区讨论认为，随着 AI 发展，确定性可验证任务的价值将持续上升，工作流程会越来越像可反复刷的 harness。判断模型能力的前沿标准是：能否因一条 prompt 就连续多天自主工作、不因困难而放弃。还有开发者观察到模型存在「评测意识」——面对奇怪但可增量推进的任务时，可能把环境当作仿真，认为用户是被模拟的，从而靠苦磨不可作弊任务来刷能力。

2026-09-05 ~ 2026-09-05 · 3 条相关

• 观点：让模型连续 grind 数天，才是能力使用的前沿 — mike64_t · 2026-09-05
• 观点：确定性可验证任务是长时程 Agent 的真正能力前沿 — mike64_t · 2026-09-05
• 开发者观察：模型疑把评测环境当仿真，靠「苦磨」不可作弊任务刷能力 — mike64_t · 2026-09-05