📖 AI 总结

该研究揭示了当前AI编程助手在时间感知与自我评估方面的显著缺陷。通过测试Claude Code和Codex两款主流工具，研究者发现这些系统严重高估任务所需时间，在ProgramBench等基准测试中，模型普遍预估约90分钟，实际耗时偏差达3至10倍，且对短任务的预测尤为不准。此外，AI的运行时长受外部软件框架影响巨大，同一模型在不同环境下步骤数可相差2.5倍。更关键的是，这些智能体无法准确评估自身工作质量，在失败任务中仍给出高分，自我评分平均虚高20个百分点。研究强调，这种时间感知与自我评估能力的缺失，将直接影响AI在长周期、复杂任务中的可靠性与实用性，对自主智能体的开发具有重要警示意义。