AI 不止会找简单反例，真正卡住的是人工筛错成本
Afinetheorem · x · 2026-07-21
这条帖子在回应一个常见问题：为什么 AI 好像很擅长找简单反例、做“容易验证”的小任务？作者给出的答案是——不是因为它只能做这类事，而是因为更复杂的尝试里大多数结果都有错误，人类筛错太贵。
帖子里的核心判断有两层：
- AI 其实可以尝试更多、更难的问题；
- 但大约 100 次尝试里有 99 次会出错，而人工去逐条筛掉这些错误的成本太高。
作者还补充说，这正是他们论文里“optimal AI”机制的一部分：AI 的收益往往最大地出现在那些本来就有知识、品味和验证能力的人身上，因为他们更知道该让 AI 做什么、如何检查输出、以及如何继续往下建构。
这条内容更像是一个研究观点：真正的瓶颈不只是模型能力，而是人类验证不完美结果的成本。
所属事件:AI能力边界与应用价值：验证成本与懂行用户成关键(7 条相关)→
「研究」频道最新
- 这项 VLM 先验偏置测试不算穷尽，但问题确实存在 — m_wulfmeier · 2026-07-21
- 前沿模型仍会贪心和频率偏置 — m_wulfmeier · 2026-07-21
- 给 VLM 加顺序元数据后，错误检测会崩掉 — m_wulfmeier · 2026-07-21
- OpenAI 未公开内部模型在算力加持下解出 unit distance 问题 48% — iruletheworldmo · 2026-07-21
- 新提示模板提升空间推理，并减少模型偷懒输出 — legit_api · 2026-07-21
- 风格相似性分析显示 Kimi K3 更像 Claude Fable 5 — soumitrashukla9 · 2026-07-21