พบว่า LLMs ด้อยในการออกแบบระบบที่เรียกใช้ LLM อื่น
เริ่มตรงนี้
โพสต์บน Hacker News โต้แย้งว่าโมเดลภาษาขนาดใหญ่ทำได้ไม่ดีในการออกแบบซอฟต์แวร์ที่เรียกใช้ LLM อื่น โดยมักสร้างระบบสัญลักษณ์ที่ไม่มีทางสำเร็จแทนที่จะเรียกใช้โมเดลอย่างง่าย ผู้เขียนอ้างถึงเครื่องมือตรวจจับความขัดแย้งของความจำ ซึ่ง Claude วนซ้ำอยู่หลายสัปดาห์กับแนวทางตัวแก้ปัญหาที่เป็นไปไม่ได้ และเอเจนต์ Autodeck ของเขาเองที่เลือกใช้ regex แทนการเรียก LLM เขาattributeรูปแบบนี้ให้กับโค้ดฝึกฝนก่อนยุค LLM สภาพแวดล้อม RLVR ที่ขาดการเข้าถึง API และการออกแบบซอฟต์แวร์ที่อ่อนแอ สิ่งเหล่านี้เป็นข้อกล่าวอ้างของผู้เขียน ไม่ใช่ผลลัพธ์ที่ตรวจสอบอย่างอิสระ
สร้างจากรายงาน · อัปเดต 18 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hacker News · AILLM แย่มากในการออกแบบระบบ AI
LLM มีปัญหาในการออกแบบซอฟต์แวร์ที่เรียกใช้ LLM อื่น โดยมักสร้างระบบสัญลักษณ์ที่ไม่มีทางสำเร็จแทนที่จะเรียกใช้โมเดลอย่างง่าย ผู้เขียนยกตัวอย่างเครื่องมือตรวจจับความขัดแย้งของความจำที่ Claude วนซ้ำหลายสัปดาห์กับวิธีแก้ปัญหาที่เป็นไปไม่ได้ และเอเจนต์ Autodeck ของเขาเองที่เลือกใช้ regex แทนการเรียก LLM เขาอธิบายสาเหตุว่าเกิดจากโค้ดฝึกก่อนยุค LLM สภาพแวดล้อม RLVR ที่ขาดการเข้าถึง API และการออกแบบซอฟต์แวร์ที่อ่อนแอ
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 6
- จุดสูงสุดในช่วงที่เทียบได้
- 1017 พฤศจิกายน 15:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู