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 AI 加速與任何開發者的能力之間的相關性非常弱。這項研究中的所有開發者都非常優秀。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。我與許多出色的預訓練開發者合作，我認為人們面臨著許多相同的問題。 我們喜歡說 LLM 是工具，但卻更像是魔法子彈。 幾乎任何開發者都可以證明，最終調試一個棘手問題的滿足感。LLM 是一個巨大的多巴胺快捷鍵，可能一次性解決你的問題。你會不斷按下那個有 1% 機率能解決一切的按鈕嗎？對我來說，這比艱苦的替代方案要愉快得多。

我認為過度使用LLM的情況可能會發生，因為在工作時，優化感知的享受比解決問題的時間更容易。 我在游標上按了5小時的Tab，而不是花1小時進行除錯。

第三，當 LLM 生成時，很容易在空檔中分心。社交媒體的注意力經濟非常殘酷，我認為人們在 "等待" 他們的 30 秒生成時，會花 30 分鐘在滑動屏幕上。 我能說的就是，我們應該了解自己的陷阱，並試著在這段 LLM 生成的時間內有效利用： - 如果任務需要高度專注，利用這段時間來處理子任務或思考後續問題。即使模型一次性回答了你的問題，我還不明白什麼呢？ - 如果任務需要低度專注，則可以在此期間做其他小任務（回覆電子郵件/Slack，閱讀或編輯另一段文字等）。 一如既往，小的數位衛生步驟有助於這一點（網站封鎖器，手機設置為勿擾等）。抱歉讓我聽起來像個老古板，但這對我來說有效 :)

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。