Dex Horthy 引用证据：无人监督编码智能体长期运行仍会劣化代码库，SlopCodeBench 显示各模型缺陷累积

来玩，展示你的软件工厂里哪些东西跑通了--还剩几张免费票，需要的话私信我。 DevGuild 新活动：Software Factory Show & Tell，给你上台的机会。带一个 5 分钟 demo，不讲 pitch，不搞包装。评委 @swyx、@dexhorthy 和 @tylerjdunn 将在台上评出最佳。9 月 24 日，旧金山 → https://luma.com/long-horizon-stack?utm_source=twitter&utm_medium…

他回来了 【引用 @zeeg】：我的观点基于我自己的实践。我产出了大量软件，可能比业内大多数人还多，而我不需要 10 个订阅就能做到。如果你用了 10 个订阅，那只是因为你纯粹在瞎折腾，等着自食其果的那一天。 （这与 Sentry 无关，我们在推理上花了不少钱）

这事将在9月23日（周三）发生--感兴趣的话联系我，还有几个名额。 【引用 @dexhorthy】我正在为旧金山的企业软件工厂负责人组织一场晚宴。 我们认识谁符合以下条件： - 在旧金山或愿意前往 - 内部AI软件工厂的技术负责人 - 公司至少有100名工程师

为什么模型不擅长工程编排（harness engineering）！？ 我认为让模型做好编排（harness）/流水线（pipeline）/提示词工程是最难的事情之一。部分原因是训练集太小，部分原因是如果基于推理构建，强化学习预言机（RL oracle）更慢更贵，还有部分原因是近期大量训练数据是缺乏正规工程内容的 AI 胡言乱语（ai psychosis slop），这进一步强化了平庸表现。

很多人都在问--你怎么看？

Dex Horthy 以"这才是真正的 slop"为题转发 SlopCodeBench 更新，称 Astra 已加入该评测。

Dex Horthy 转引 @nicoritschel 2025 年的帖子：Claude Code 在执行 cd 后于错误目录中操作是最常见的失败模式，作者还好奇这给 Anthropic 造成了多少成本；紧随其后的第二常见失败模式是未读取文件就尝试编辑。

Dex Horthy 发布直播链接，内容为 astra + fable 5.1 在 slopcodebench 上的运行。原文仅附直播地址 https://x.com/i/broadcasts/1pKdRDoWDwvJW，未给出更多细节。