Microsoft Research 研究员 Jennifer Neville 谈 AI 评测失败与多轮交互局限

Microsoft Research 合伙人研究经理 Jennifer Neville 在播客中讨论 AI 系统在真实工作环境中的评测、失败与改进方向。她的团队研究多轮交互、协作环境和长周期任务，发现 LLM 在任务要求经多轮逐步澄清时性能会明显下降，长流程文档编辑中未被发现的错误还会累积。