AI 任务越模糊，费用越高。作者总结五大烧钱场景：开放式提问、全量测试、裸看日志、多 agent 并行、长会话。省钱关键在于将问题具体化，明确范围和完成标准，避免让 AI 做无用功。会提问即会省钱，问题越清晰，账单越薄。
本研究探讨了大型语言模型（LLM）评估中的单一正确响应假设，指出在任务模糊或歧义时可能存在多种正确答案。提出的框架分析了任务规范、人工评分与LLM响应之间的关系，实验结果表明传统评估方法可能低估LLM的真实表现，为评估方法提供了新视角。
完成下面两步后，将自动完成登录并继续当前操作。
