我曾是這項研究中的16位開發者之一。我想談談我對開發者減速的原因和緩解策略的看法。 我會說作為一個「為什麼要聽你的？」的引子，我在我負責的問題上經歷了-38%的AI加速。我認為透明度有助於社區。

首先，我認為人工智慧加速與任何人作為開發人員的能力的相關性非常弱。這項研究中的所有開發人員都非常優秀。我認為這更多地與陷入失敗模式有關，無論是在 LLM 的能力還是人類的工作流程中。我與大量出色的預訓練開發人員一起工作，我認為人們面臨許多相同的問題。 我們喜歡說 LLM 是工具，但將它們更像是靈丹妙藥。 從字面上看，任何開發人員都可以證明最終調試棘手問題的滿意度。LLM 是一個很大的多巴胺快捷鍵按鈕，可以一次性解決您的問題。您是否一直按下有 1% 機會解決所有問題的按鈕？這比艱苦的替代方案更令人愉快，至少對我來說是這樣。

我認為 LLM 過度使用的情況可能會發生，因為它很容易優化以獲得感知的樂趣，而不是在工作時縮短解決問題的時間。 我在光標中按 Tab 鍵 5 小時，而不是調試 1 小時：

第三，在 LLM 生成時，在停機期間很容易分心。社交媒體的注意力經濟是殘酷的，我認為人們花 30 分鐘滾動，同時“等待”他們的 30 秒一代。 關於這一點，我只能說，我們應該知道自己的陷阱，並嘗試有效地填補這 LLM 世代的時間： - 如果任務需要高度專注，請花這段時間處理子任務或思考後續問題。即使模特一拍即合你的問題，我還有什麼不明白的？ - 如果任務需要低焦點，請同時執行另一項小任務（回覆電子郵件/閒置、閱讀或編輯另一個段落等）。 與往常一樣，小的數字衛生步驟有助於解決這個問題（網站攔截器、dnd 上的電話等）。很抱歉，我是一個 grampy，但它對我有用:)

一些最後的聲明： - METR 是一個很棒的組織，與之合作非常愉快，他們是優秀的科學家。我喜歡參與這項研究並閱讀他們的結果。 - 我不是什麼 LLM 大師在這裡講道。把這當作我發表的一篇個人日記，希望其他人能從我的反思中受益。