跟着推理大模型和思想链的呈现与遍及，大模型具有了「深度考虑」的才能，不同使命的泛用性得到了很大的进步。

凭借思想链，大模型可以对使命进行深化剖析，完结使命规划与拆解，然后担任长周期、杂乱度高的作业。一起，咱们也能更直观地了解模型的推理与剖析进程，从中发现履行环节中的问题，并有针对性地调整指令，以更高效地完结方针。

可以说，有了「深度考虑」的推理模型，才有了现在具有多种辅佐功用与自主才能的 AI 智能体。

但现在的大模型逐步有些偏科了。为了构建运用才能更强的智能体，对长周期的杂乱使命才能的寻求现已影响到了大模型的推理形式。

不知道咱们在往常运用 AI 东西的时分有没有发现，翻开了深度考虑后，一些简略的使命也需求许多的考虑，展现了十分冗长的思想链，而不翻开深度考虑的时分，又很难准确的得到想要的回复。

这种现象越来越显着了，尤其是当大模型进入作业流（例如编码作业）的时分，其负面效应就愈加显着。

这不，AI 范畴的大牛 Andrej Karpathy 也感觉到不对劲，发了长文推来指出这个令人无语的现象。

Karpathy 说，「LLM 在默许状况下正变得比我日常运用需求更具『自主署理（Agentic）』倾向，乃至有些超出了我的均匀运用场景」。

最显着的的确是编码使命，模型现在往往会进行较长时刻的推理，风流三国txt下载倾向于在整个代码库中列出并查找（grep）文件，会重复进行网络查找，对一些在开发中、且显着并不完好的代码里很少呈现的边际状况过度剖析、过度考虑，乃至在十分简略的查询中，也常常需求几分钟后才回来成果。

尤其是在简略的使命中，比方在运行脚本前快速查看索引过错或其他初级过错，底子不需求如此杂乱的使命剖析和代码处理。

因而 Karpathy 不得不常常打断 LLM，并用相似这样的指令约束它：「停，你想得太多了。只看这一份文件。不要用任何东西。不要过度规划。」

这带来了许多费事，不仅是在编码使命，咱们发现日常运用 LLM 东西时分的相似打断状况也越来越多了。

简略拿刚发布几天的 GPT-5 举个比如，发布时 OpenAI 明显意识到深度考虑的问题，所以他们着重 GPT-5 是一个集成模型，也就是说，你用它的时分不需求在不同模型之间切换，它会自己决议何时需求深化考虑。

但这个问题明显没有这么简略。记住其时 GPT-4o 模型的图画编辑生成功用很好用，但在更新到新模型后就不太相同了。

咱们给了 GPT-5 这个指令：「去除图中文字，把这张图变得高清一些，机器人的脸看起来更温文一些」，期望它可以调用图画编辑的功用。

但成果它就开端进行「深度考虑」了：

经过了 38 秒的考虑，它考虑了许多细节，但仍然未风流三国txt下载能开端运用图画生成功用，导致不得不打断它的使命进程。

或许这也是用户们无比思念 GPT-4o 的原因之一。

正如 Karpathy 指出的，跟着默许形式逐步向这种「超深度考虑」的高署理化状况挨近，咱们反而更需求一个相反的选项—— 一种更直接有用的方法去表达或传达我的目的和使命的急迫程度，从「快速看一眼」到「花 30 分钟彻底承认后再回来」都能准确指定。

网友们也苦「过度考虑」久矣，乃至为此回到了最朴素的运用方法。

关于这件事，Karpathy觉得元凶巨恶似乎是大模型「在长周期使命进步行了很多基准测验优化」，为了在基准测验上得到更好的成果，LLM的考虑就更倾向于长周期的杂乱使命的完成，因而影响了一般使命的呼应。

他指出了两种情境：

1. 我招待搭档过来看我屏幕上翻开的一个文件，问他「这样对吗？」

2. 我让或人坐在桌前，他们有 2 个小时来作答。这是一场考试， 危险很高。标题是「这样对吗？」

人类协作者能很自然地区别情境 1 和情境 2。但 LLM 并不知道你问的是 1 仍是 2，而跟着时刻推移、基准测验的不断「极限化」，它会越来越倾向于假定你问的是情境 2。

这指出了大模型过度考虑，杂乱化使命的或许原因，大模型的开展不能彻底以基准测验分数作为寻求。

关于大模型的「过度考虑」，有相关阅历和主意欢迎在谈论区别享。

本文来自微信大众号“机器之心”（ID：almosthuman2014），作者：冷猫，36氪经授权发布。