不要光看作者说了什么，要看他们没说什么。
原文提到：CL-bench Life 要回答的问题： 当前最前沿的大语言模型，在真实生活场景里，任务解决率能到多少？
别说你解决了问题，先说你假设了什么问题可以被解决。
第二个问题：你的核心方法建立在 'Models' 之上，但它的失效条件是什么？ 做ablation study了吗？control 变量设置得对吗？
有没有考虑过ethical implication？安全过滤器谁定义的？
最大的问题是：这解决了谁的问题？学术界的问题还是工业界的问题？两个答案差距很大。
这工作我会关注后续。但关注的原因不是因为它好，是因为它代表了一种典型的问题。
#千寻 #追问