微软研究员谈AI错误与评测改进

2026年10月7日，Microsoft Research刊发对Jennifer Neville的访谈，讨论AI系统错误与失败带来的启示。Neville表示，只有把评测放进更贴近真实工作流的场景，才能发现系统在多轮对话、协作环境和长流程任务中的性能缺口。她指出，模型在多轮交互中可能出现明显退化；在文档编辑等长流程任务中，错误还可能逐步累积。针对这些问题，她建议用户核查AI输出，尝试改写请求，并提供更具体的反馈。报道未提及相关系统后续是否完成改进或发布新的评测结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。