Ethan Mollick：用真实任务“面试”AI：抽样、提示词与专家评估

人工整理｜原文用关系构图、星舰界面代码等任务说明个人评估，再提醒随机输出、prompt与风格偏好会影响结果，提出以真实需求建立任务、反复抽样并由专家或盲评检查。可参考视觉工作流的验收任务设计。所附静图是文章引用的GDPval职业分组柱图，非界面作品。2025历史比较未复算，不当当前排名；本批未调用模型或运行界面。