{"version":"2026-10-19.observations.2","reading":{"id":"reading-profiles","title":"怎样把自己的任务写成可检查的能力需求？","deck":"把记忆、组合、数学与信息处理需求展开，让工具选择和验收更具体。","editorialAt":"2026-10-15","sourceIds":["D-ADELE"],"sections":[{"title":"用任务需求替代一个总分","paragraphs":["ADeLe用需求维度描述任务，尝试解释/预测已有测试表现。对你的工作，需求画像可以先说明输入是否完整、是否要多步组合、是否需要数学推导及怎样核验；这是一种整理方法，不是已校准的职业评分。"],"sourceIds":["D-ADELE"]},{"title":"研究具体检查了什么","paragraphs":["这项研究问：把一个任务的需求写清楚，能否帮助判断模型会成功还是失败？作者在已有题集内、换一类任务、换一个benchmark（题集）时分别检验；越换到外部题集，越需要自己的验证。","理解指标的人工构造例：预测器能否让成功样本的得分排在失败样本前面，是区分能力；若给出的成功概率很高、实际却经常失败，还要检查概率是否校准。AUROC用于前者，ECE用于后者。这些指标不能直接选定你的工作工具。","核对研究数字：Demand/RF是文中的需求特征预测器，RF为随机森林。其加权AUROC在题集内、跨任务、跨题集分别为0.839、0.810、0.747；它们是预测判别指标，不是83.9%等工作通过率。详细数字属于2025-03-16预印本v2；Nature2026记录仅核书目，不互换结果。"],"sourceIds":["D-ADELE"]},{"title":"一份可读的工作需求例","paragraphs":["人工构造的财报计算需求：两份报告、相同财年/币种/口径、两个取数出处、一条增长率公式、程序复算、人的引用对账。若报告口径不同，就无法靠计算能力补救输入。这个例子用于帮助选择验收，不是执行AI任务后获得的能力画像分。"],"sourceIds":[]},{"title":"从画像回到交付","paragraphs":["把每个重要需求对应到输入、一个交付物和独立接收门槛。优先验证最可能导致失败的环节；语义责任、系统权限和现场动作另行处理。未取得验证就保留未知，不把需求维度数量换成工作自动化比例。"],"sourceIds":[]}],"actions":["列最关键的输入/推导/核验需求","把需求变成逐项交付与接收门槛","记录实际结果，再修订分工"],"seriesIds":["aime-answers","epoch-code"],"taskIds":["F01","M01","C03"],"frontierIds":["F07","F20","F24"],"evidenceStatus":"active","actualCoverage":null},"sources":[{"id":"D-ADELE","title":"ADeLe需求维度与能力画像","url":"https://arxiv.org/html/2503.06378v2","version":"作者预印本v2；正式Nature2026只核书目","locator":"Tables3–5，PDF零基P17/P18/P19，印刷页18/19/20；Table11与模态限制","scope":"用任务需求维度解释/预测已测试结果；包含外部题集检验","license":"公开预印本有限解释；不复制全文或任务库","limit":"AUROC与ECE是预测器指标，不是工作成功率；本段详细条件属于预印本，不能套正式版","publishedAt":"2025-03-16","readAt":"2026-10-15","collectedAt":null,"status":"active","nextReview":"2027-01-13","methods":["https://doi.org/10.1038/s41586-026-10303-2"],"family":"D-ADELE"}],"actualCoverage":null}