OpenAI联合创始人布罗克曼最近放话，人类已经迈入通用人工智能（AGI）时代。这口号喊得响亮，但大模型在实际落地中依然有不少坑要填。模型能力上去了，不代表应用就真的稳了。从概念到实际可用，中间还隔着好几层技术考验。
比如大模型搞检索增强时，经常出现“搜到了Skill，但最终答案没受益”的情况。这就引出了Skill Following链路的概念，从检索、接收到写进最终答案，每一步都可能跑偏。研究人员提出RAE（检索触发后的实际使用效应），专门在真正检索到skill的题目上做配对比较，就是为了搞清楚模型到底有没有把搜到的东西用好。搜得准是一回事，用得好才是真本事。
视觉语言模型在极端环境下的表现同样拉胯。有研究搞了个叫TRACE的基准数据集，专门评估火灾后环境里的物体理解。结果不出所料，随着物体烧损程度加重，现有模型的性能直线下降。为了解决这个痛点，研究团队提出了一个特征恢复模块。在冻结主模型的情况下，它能把受损的编码器特征映射回完好状态，检测、材料恢复和功能推理等多项任务都得到了显著改善。
说白了，AGI时代的到来不代表万事大吉。不管是对文本检索链路的精细化评估，还是对受损图像特征的修复，都在告诉我们一件事：大模型的实用化是一场精细活。只有把这些边边角角的能力补齐，AI才算是真正靠谱的生产力工具。