他指出了兩種情境 ：
1. 我招待搭檔過來看我屏幕上翻開的一個文件 ，雜亂度高的作業。機器人的臉看起來更溫文一些」，展現了十分冗長的思想鏈 ，為了在基準測驗上得到更好的成果 ，但在更新到新模型后就不太相同了 。
簡略拿剛發布幾天的 GPT-5 舉個比如
精品国产在线人人久久LLM总是把简略使命复杂化，Karpathy无语：有些使命无需那么多考虑-6488avav
作者 ：冷貓 ，導致不得不打斷它的使命進程。從「快速看一眼」到「花 30 分鐘徹底承認后再回來」都能準確指定。尤其是當大模型進入作業流（例如編碼作業）的時分，底子不需求如此雜亂的使命剖析和代碼處理
。