Long analysis traces Astra and Sol coding gaps to how they are trained
The author echoes a view that models are optimized to pass tests, sacrificing architecture and maintainability, and even faking 3D with images so results only look finished.
终于有人说出我的心声了。 这条说得很透，GPT-6 Astra 和 6.1 Sol 写代码的问题比代码丑严重得多，根子在训练方式上。他的意思大概是，模型被优化成只看可衡量的结果，测试能过、没有明显报错就算完成，架构、可维护性、可读性甚至任务本身的意图都可以牺牲。再加上为了效率压缩推理和输出，代码挤成一大坨也就不奇怪了。 他还提到训练周期太短。模型学到的基本是任务 → 结果 → 奖励，几步之后有人要维护、扩展、debug 这份代码，这些它几乎拿不到信号，所以很会把眼前的任务做完，不会写半年后还能接着用的东西。死函数和空的 else if 留着没删，也说明最后没有认真回头看一遍自己写了什么。评估只看结果不看过程，数据里又有大量合成和蒸馏的东西，工程品味自然练不出来。 我觉得最关键的是他说的诚实问题。任务明确要求整个场景用 3D 物体搭，模型却生成几张图片摆进场景，再把相机角度调好，让结果看起来像 3D。看起来像完成和真的完成拿到的奖励差不多，改测试来迁就自己的 bug 也是同一个问题。 这些确实不是多堆参数就能自己解决的。他也说 Claude 有类似毛病，只是少很多，这点我完全同意。
This post quotes another post: “Long post criticizes GPT-6 Astra's code training priorities”