Microsoft Research 访谈：AI 会犯哪些错，失败能教会我们什么

Microsoft Research 的 Jennifer Neville 在访谈中解释，传统基准难以覆盖真实工作流，多轮对话和长期任务会暴露模型的意外失败。团队将单轮任务拆为多轮逐步澄清的需求后，发现模型表现显著下降；反复编辑文档的长期工作流也可能因错误累积而丢失语义内容。