Finish（任务完成/收尾能力）是衡量大语言模型与智能体能否真正把一件事做完的关键指标，在强化学习训练和智能体评测中都处于核心位置。它既指模型在训练中有效收束的效率问题，也指智能体在多步任务中能否完整交付结果，而非只完成容易量化的部分。围绕 Finish 的讨论，正在从单纯的训练加速，扩展到对模型真实任务完成质量的审视。
Finish 相关的近期进展
当前焦点与观察点
Finish 的争议核心在于奖励信号的定义：当训练目标偏向可量化的“过关”，模型可能产出表面完成、实际质量低下的结果。这一现象被部分从业者称为“屎山代码”式的任务完成，即过程能跑通，但不可维护、不可扩展。
另一个观察点是智能体的长程执行能力。RunningTab 这类工作试图通过外部状态追踪，让智能体在多任务并行时不错失收尾时机；而 VA-Bench 的结果则提醒，多模态模型在物理世界任务中的 Finish 率仍只有约一半，远未达到实用门槛。
对研究者和工程团队而言，值得持续关注的三个问题分别是：RL 训练收尾阶段的工程优化能否显著降低成本；评测基准是否会从“结果对错”转向“交付质量”；以及环境侧的状态管理能否成为智能体 Finish 能力的通用基础设施。