Dubois提到，，，，，，，尤其在编程场景里，，，，，，，研究职员自己天天写代码，，，，，，，模子一变强，，，，，，，即是全员多了个不睡觉的同伴——既能帮研究者把工具链搭起来，，，，，，，也能在训练下一代模子时「以AI养AI」。。。。。
。 但已往一年，，，，，，，他们把在竞赛里练出来的那套工具，，，，，，，往更真实、更模糊的事情场景迁徙：不再只优化「有标准谜底的题」，，，，，，，而是优化「用户以为真有用的工具」。。。。。
。 既然现在许多都是AI智能体（agentic）系统，，，，，，，你可以粗暴地想成「每两分钟就有一定概率出错」；；；；；；运行时间越长，，，，，，，最终谜底翻车的概率就越高。。。。。
。 现实流程往往是：先靠履历、直觉、重复试错把工具做出来，，，，，，，甚至带点「炼金术」味道；；；；；；等它真能跑、真能用，，，，，，，再转头补更科学的诠释与要领论。。。。。
。 但厥后事实显示，，，，，，，一旦模子规？？？？？绻掣鏊剑，，，，，，RL真的会「突然最先好用」，，，，，，，只是价钱不低——采样许多谜底、判断哪些对、哪些错，，，，，，，算力和系统工程都很烧钱。。。。。
。 甚至他还抛出一句很「寻衅」的判断：若是今天把现有模子「冻住」，，，，，，，只认真打磨Harness并围绕它训练，，，，，，，许多领域的人可能会「显着感应通用人工智能（AGI）的味道」。。。。。
。 现在模子的尴尬在于：第一天空降到公司，，，，，，，可能比大都新员工还中用（起点高）；；；；；；但之后基本「坚持原样」，，，，，，，由于它不会在特定情形里越干越懂你、越干越高效。。。。。
。 由于真正的瓶颈往往不是「模子够不敷智慧」，，，，，，，而是最后一公里——权限怎么给、数据怎么接、毗连器怎么买通、怎么嵌进详细营业流程。。。。。
。 大模子在天上飞得再高，，，，，，，不落地也只能当烟花；；；；；；而把它拽到地面、让它拿到该拿的钥匙、翻开该开的门，，，，，，，反而是最有含金量的苦活累活。。。。。
。