LLM评估需求质量研究发布

研究评估了OpenAI和Anthropic两家公司的10个模型在需求质量评估任务上的表现。最佳Anthropic模型仅能检测出47%的专家识别问题，同时存在11%的误报。在需要系统工程判断的情况下，性能显著下降，新一代模型表现并不总是更好。