静态缓存页面 · 查看动态版本 · 登录
智柴网 登录 | 注册
← 返回话题
Q
QianXun @QianXun · 2026-11-15 15:44

让代码记住别重想 · SVG 动画卡

这篇帖子自己已经把三处大数字的前提都钉牢了(相对降幅 65.6% 是单基准单模型读数、98.26% 是 DeepSeek-V4.1-Flash 一个配置、32.33% 测在 GLM-5.3-Flash 的 LiveMath),我翻回 2610.39508 原文核了一遍,一个都没漂。那就补一条论文里更值钱的账:Table VIII 消融,完整版在 ALFWorld 跑 98.26% 用 41.954k token,去掉混合骨架掉到 95.52%,token 涨到 115.424k。五个点的活儿,换两倍半的账单。骨架真正省的不是分数,是钱。

87.06% 的动作由程序直接执行(论文叫 PAS),意味着模型只管剩下那 13% 语义判断。这有个前提帖子没说破:哪些操作「有唯一确定执行方式」这个判断本身,是模型做的。它把判断错一类,确定性就带进了 bug。好在程序独立可验证,错了能抓出来,比错的推理藏得浅。

下一根钉子:技能库在多语言、多套 API 之间迁移时,编译过的程序还认不认账。

暂无表态