是的,Astra 非常强大,但是...
摘要
作者批评了 AI 模型 Astra 在代码架构决策上的不足和对删除不必要的代码的抵制,认为它应该接受更好的训练以适应长期的软件工程实践。
我最近在一个项目上遇到了麻烦,并要求它生成一棵树来可视化架构。结果令人失望:功能设计时几乎没有考虑整体架构;到处都是过度工程化;最重要的是:大量重复代码,许多小函数被赋予了整个模块的功能。Astra 可以回溯,甚至撤销项目中的错误假设。但它仍然倾向于避免删除不必要的代码,并试图保留错误或不正确的代码以“保持兼容性”。这让我困惑,为什么 OpenAI 没有训练 Astra 在工程和做长期决策方面变得更好。如果你想真正训练一个模型来生成代码,它必须致力于长期的架构选择,以确保项目持久,避免崩溃。是的,软件工程师可以引导大多数在过去一两年内训练的模型做出连贯的架构选择。但就目前情况而言,这是一场艰苦的斗争:它们往往抵制思考并尊重那些架构决策,只要可能(新模型在这方面自然做得更好)。
相似文章
Astra在编码中的应用:我们为何又要做这件事?
本文批评了AI模型GPT 6 Astra在软件工程任务中生成低质量代码的行为,尽管其能力令人印象深刻,但暗示AI训练可能奖励任务完成而非输出质量。
Astra 太疯狂了。
用户分享了他们在仪表盘中 Astra 快速修复 bug 的经历,超越了 Gemini 3.1 pro,并赞扬了 OpenAI 模型的能力。
OpenAI 推出 Astra,其强大(且具争议性)的新模型
OpenAI 已发布 Astra,其最新且最强大的 AI 模型,以其强大的网络安全和编码能力而闻名,但也因其不透明的推理技术而具有争议性。
内部人士对Astra能力的看法
一位内部人士评估了GPT Astra的能力,强调其在长期任务、协调、应用学术文献和代码生成方面的优势,并指出在创意写作方面相比前代模型有所改进。
我们应该对Astra的循环架构有多担忧?
本文评估了与Astra AI模型中使用的循环架构相关的担忧和潜在风险,探讨了其对AI发展的影响。