深入解释 · 整理2026-10-15
怎样把自己的任务写成可检查的能力需求？
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。
用任务需求替代一个总分
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。
研究具体检查了什么
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。
一份可读的工作需求例
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。
从画像回到交付
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。
现在可以带走什么
- 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
原文、版本与许可
ADeLe需求维度与能力画像 ↗
作者预印本v2；正式Nature2026只核书目 · 首次公开2025-03-16 · 收集未单独记录 · 阅读2026-10-15
定位：Tables3–5，PDF零基P17/P18/P19，印刷页18/19/20；Table11与模态限制。范围：用任务需求维度解释/预测已测试结果；包含外部题集检验。
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。
许可与改编：公开预印本有限解释；不复制全文或任务库。