ARTICLE · 1370552
我们做了8份分析文档,却输给了只抓住一个关键问题的团队
公司今年的 1024 程序员节,举办了一场 AI 黑客大赛。
比赛的主题是 AI 派车。
规则不复杂:系统每隔 15 秒广播一次叫车需求,参赛队伍需要让自己训练的小模型判断应该派哪辆车,然后提交结果。
但竞争非常激烈。
288 支队伍争夺每轮有限的派车名额。每条广播只有少量名额,提交得晚,即使选对了,也可能拿不到分数。
先说结果,我们队伍最终的成绩并不理想,最终排名定格在100名之外。
赛后复盘时,我发现了一件挺有意思的事:
我们和冠军队的差距,可能并不在于谁做了更多分析,而在于我们从一开始就把精力放在了不同的地方。
一、我们在研究怎么选,冠军在研究怎么抢
比赛前,我们给模型提供更多资料去训练,提升输出的准确率;
同时尝试通过分层策略提高得分概率。
但冠军队的思路完全不同。
他们认为,188 支队伍争夺有限名额,谁能更早完成模型判断并提交,谁就更有机会。
因此,他们把重点放在了提升模型输出速度上:精简输出内容,减少不必要的信息,甚至通过改造 Token,把一段完整的 JSON 压缩到了 3 个 Token。
我们把重心放在策略怎么选,冠军队在研究怎么更快地抢。
二、最可惜的是,我们其实也发现了问题
赛后,我重新翻看自己的分析文档,发现我们其实早就意识到一个关键问题:
模型输出越长,解析耗时越多。
但当时我们有自己的顾虑:如果模型输出的信息太少,判断不够准确怎么办?如果选错了需求,即使提交得再快,又有什么意义?
所以,我们一直把重点放在提高模型的判断准确率上,并寄希望于策略选择上。
为了让模型做出更准确的选择,即使需要输出更多 Token,我们也觉得值得。
现在回头看,我们并不是没有发现速度的重要性,而是没有真正把它当成最需要优先解决的问题。
这才是我们和冠军队真正的差距:
不是没有发现问题,也不是不够努力,而是没有把最重要的问题放到最重要的位置。
三、方向对了,努力才会产生累加效应
这场比赛让我想起《矛盾论》中的一段话:
捉住了这个主要矛盾,一切问题就迎刃而解了。
复杂的问题往往包含很多矛盾。
每个环节都可能存在问题,也都可以被优化。但并不是所有问题都同样重要。
如果没有先找到主要矛盾,我们就很容易陷入一种状态:
不断发现问题,不断增加方案,不断优化细节。
看起来每天都在进步,做了很多事情,但这些努力未必指向同一个目标。
写在最后
无论是工作、学习,还是自己做一个产品,我们都很容易陷入具体事务之中。
看到哪里有问题,就去解决哪里;看到别人用了某种技术,就想着自己是不是也应该学;发现某个环节效率不高,就开始研究怎么优化。
但在行动之前,或许更应该先停下来问自己几个问题:
• 这件事情最终要实现的目标是什么? • 当前最限制结果的因素是什么? • 我现在投入最多精力的事情,真的在解决这个关键问题吗?
这场比赛,我们做了 8 份分析文档,冠军队则围绕速度这个关键问题,对整个输出链路做了针对性优化。
这并不是说分析越少越好,也不是说所有问题都可以靠一个简单策略解决。
而是说,在开始优化之前,先判断什么最值得优化。
方向对了,努力才会产生累加效应。方向错了,越努力,可能只是在离目标越来越远。















































































