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
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11