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研究应用的真实边界：验证成本与专家放大器(8 条相关)→
「研究」频道最新
- Eric Topol 质疑前沿模型研究:持续技能提升的证据何在 — EricTopol · 2026-10-27
- 新论文:数据配比与学习率调度必须联合设计 — jasondeanlee · 2026-10-27
- 学术研究如何真正被采用:选重要问题、做好 eval、易用性决定影响力 — srchvrs · 2026-10-27
- 苦涩教训第二弹:能产生影响的学术发明很少,发表场所并不关键 — srchvrs · 2026-10-27
- 入学一周即当上 ARR 审稿 Area Chair,学者吐槽评审乱象 — anmarasovic · 2026-10-27
- EMNLP 主题演讲:产业界其实在读论文,只是不署你的名 — srchvrs · 2026-10-27