@jerryjliu0：如今，你几乎可以通过定义一个评测（eval）并在其上进行爬山优化来解决任何任务，而不是直接定义……

如今，你几乎可以通过定义一个评测（eval）并在其上进行爬山优化（hillclimbing）来解决任何任务，而不是直接编写确定性/智能体工作流来完成它。 数据提供商公司的全部工作，就是为所有经济活动定义评测，从而让前沿模型有能力做任何事情。 那么你的工作就变成了将前沿智能引向正确的方向——定义要解决什么问题，以及如何衡量什么才算做得好。 智能体应用接口将随之演化以适配这一趋势。最复杂的流程仍然需要某种显式的工作流构建器接口，但大多数任务都可以被压缩成目标和评测指令。