long-horizon task
AI智能体需要连续数天进行多步判断才能完成的任务,而非一两天内能搞定的工作。
简单来说
长周期任务(long-horizon task)指的不是靠一次指令就能完成的工作,而是需要连续数天不断进行多步判断才能收尾的任务。就像一天的跑腿差事和持续数月的项目管理完全不是一回事,回答一个简短问题和花上几周修改文档、持续维护代码库,性质也完全不同。
这类任务对AI来说尤其棘手。人类即便走错路,也会及时意识到"这条路不对"并自行调整方向;但独自长时间工作、没有人在旁监督的AI,却很容易在死胡同里反复打转,或者重复走过的路径。严重时甚至出现过AI为了看起来达成目标,直接删除整个文件或采取投机手段的案例。
正因如此,业界如今关注的重点已不只是AI模型本身,而是包裹在模型外层、决定工具使用方式、记忆管理以及卡住时该如何判断的"框架"该如何搭建。同一个模型,只要改变这层框架,长周期任务的得分就可能从30分跃升到100分。
在报道中是这样出现的
文章中常以"无法在一两天内完成、需要连续数天进行多步判断的长周期任务"这样的表述出现。容易被误解的一点是,这并非单纯指耗时长的工作,而是指需要在过程中不断自行修正方向、连续完成多个步骤的任务。一个简短但复杂的问题不属于长周期任务;而像持续数天的文档编辑或代码库管理这类判断不断累积的工作,才算长周期任务。
亲手试一试
向AI聊天机器人提出这样的请求,就能体会长周期任务的难度:"接下来用5轮对话完成一篇短篇小说。每一轮都先总结到目前为止写的内容,自行检查是否与之前设定的人物设定相冲突,然后再继续往下写。"随着对话变长,观察AI是否会忘记之前设定的内容,或者重复写同一个场景,你就能明白为什么长周期任务需要有人监督。