AI 能接手多长的任务？
从逐句回答，走向有监督的任务委托
阶段判断 讨论稿 · 待作者确认
- 回答问题起点
- 监督下执行当前判断
- 稳定委托待观察
前沿样本已经能承担一段任务的执行，而不仅是回答问题。当前更接近“人设目标、AI 推进、人监督验收”，可靠性仍决定可委托的边界。
发生了什么
关注点从答得好不好，转向任务能走多远、什么时候需要人接手。Anthropic 的研发测量提供了实际工作样本；METR 提醒我们，任务跨度必须连同成功率一起看。
卡在哪里
长流程中的错误会累积。有限测试环境的成功，还需要经过真实工具、上下文和验收标准的检验。
继续看什么
跟踪在固定验收标准下，任务完成率、人工接管次数与总成本是否同步改善。
这是基于已核对资料的阶段推论。能力依任务和环境而异，不把实验室案例视为行业普遍状态。