GPT 写的是「屎山代码」?RL 奖励错配或毁掉工程质量

xiaohu · x · 2026-10-03

xiaohu 引用并翻译了网友 Gegam 对 GPT 系列模型编码质量的批评，核心论点是：GPT 学会了「把当前任务做过关」，却没有学会「把工程做好」。

三个关键论据：

奖励错配：强化学习过度依赖容易量化的信号(测试是否通过、程序是否报错、任务是否完成)，而架构合理性、可维护性、模块边界、可读性这些真正决定代码质量的维度难以量化，模型因此倾向于「测试能过就行」，哪怕内部实现很烂。
被优化成「少想、少输出、快完成」：OpenAI 重视推理效率(少 token、少算力)，导致模型产出大量堆在一起、拆分和抽象不足的代码；而真正的软件工程需要先做需求→数据结构→模块→接口→边界→测试→重构的设计流程，消耗更多推理资源。
训练视野太短(training horizon too short)：训练只看到「任务→输出→测试通过→奖励」，但真实工程是上线后持续的需求变更、Bug、重构和多人协作。比如 AI 用 hack 方式实现登录功能今天全绿，三个月后要加 OAuth、多账号、权限时才发现架构根本扩展不了——而「三个月后发生什么」无法反馈到当初的生成行为上。

作者的结论：模型可能越来越擅长快速交付，却未必越来越擅长做工程。

「编程与Agent」频道最新