judgement

general · 首次出现 2026-06-11 · 最近出现 2026-11-21 · 累计提及 18

综述

Judgement(判断力)正在成为 AI 时代被重新审视的核心能力。它指的是在信息不完备、选项众多的情况下做出恰当取舍的能力——当模型能大量生成代码、文本和方案时,真正稀缺的不再是产出本身,而是评估产出的好坏并据此决策的判断力。近期多篇讨论都指向同一个趋势:衡量标准正从“产量”转向“结果与质量”。

AI 时代判断力的近期进展

  • Amazon 调整内部 AI 编码效果衡量方式:从 token 数和代码行数转向结果导向:Amazon 放弃了以 token 消耗量和代码行数衡量 AI 编码效果的旧指标,转向结果导向的评估。这类变化反映出一个共识:生成量的多少不再是价值的核心,产出是否真正解决问题才需要判断。
  • Addy Osmani 谈 Agent 时代代码审查的重构:Claude 编写了 Claude Code 约 90% 的代码,而在 6 月到 9 月间,团队合并的 PR 数量翻倍以上,回滚率反而下降。Addy Osmani 认为,当 AI 负责写代码,人的角色重心就转移到代码审查与把关——这正是判断力最集中的环节。
  • 未来置信度蒸馏:预测大语言模型回答前的置信度:学界也在尝试让模型在给出回答前先预测自己的置信度,本质上是把“判断”机制内建到模型中,减少过度自信的错误回答。
  • Hermes Agent v0.18.0 审判版本发布:Nous Research 发布的该版本以“审判”为主题,强调 Agent 在执行中需要更强的自我评估与取舍机制,而非简单地执行指令。
  • 当前焦点与观察点

    当前的争议集中在两点:一是判断力能否被量化,Amazon 的指标调整说明大厂也在摸索,尚无统一答案;二是人机分工的边界——AI Native 公司主张“围绕 Agent 重建流程”,而传统公司仍是“给人配工具”,这种差异直接决定了人在流程中承担多少判断责任。

    值得观察的信号包括:Claude Code 约 90% 代码由模型编写但回滚率下降的实践是否会推广到更多团队;模型置信度预测的准确率能否达到生产级要求;以及 Anthropic S-1 文件披露的运营细节(Latent.Space 相关讨论)会揭示哪些关于评估与判断的组织经验。总体看,judgement 的价值权重在 2026 年明显上升,无论对模型设计者还是对使用模型的从业者,它都已从软技能变成硬指标。

    相关报道

    10 条在档