到年底了，大学生碰上期末周、打工人在赶kpi，没有deadline（ddl）的年底不是真年底……
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
ddl在我们的日常生活中普遍存在，“ddl是第一生产力”更是人们通过亲身实践得出的“至理名言”。
然鹅，关于ddl行为效应的系统证据却很少见。
不过，运筹学和管理科学领域最大的专业协会之一INFORMS旗下期刊《Management Science》上，就刊登了一项关于ddl的研究。
这项研究通过两项实验证实了ddl的有效性，并解释了其作为一种强有力的管理工具的原因。同时，研究还揭示了个体对ddl的反应受到记忆和注意力限制的影响。
有学者评价道：
了解不同协调方法之所以有价值，是因为它们充分考虑到了人类的认知限制，这是一个有趣的课题。
未来，我们与AI的交互设计将着眼于弥补人类心理上的限制。显而易见，当前的聊天界面是不完善的，因为它们错误地假设了人类能像LLM一样处理和记忆相同量级的上下文信息。
网友们也是脑洞大开，“给大模型设置ddl，会不会提高它的性能？”：
考古「ddl有效」实验
这项研究由来自德国IZA Bonn研究所、哥本哈根大学、赫蒂学院、凯泽斯劳滕大学的研究人员共同完成。
他们在一家大型牙科诊所进行了两项实验，目标人群是那些需要做预防性检查的患者。选择这个场景做实验，主要是考虑到：
按医嘱，患者应定期主动联系牙医，预约检查（检查频率相对较低），也就是人们需要主动完成任务，但没有明确的执行日期。这个设置就特别适合探讨ddl、任务表现和记忆限制之间的相互作用。
具体来说，第一个实验时间跨度为2011-2013年。
牙科诊所的检查预约通知系统会按照患者的建议检查时间间隔，向患者发送一张明信片式的提醒通知，提醒他们预约下一次的常规检查。
在这个基础上，研究人员在提醒通知中加入了ddl，对应三个治疗组：D1（1周ddl）、D3（3周ddl）、ND（无ddl）。在每个治疗组中还设置了3种奖励水平：大奖励（免费专业牙齿清洁）、小奖励（牙护套装）、无明确奖励。
这样就构成了3种ddl×3种奖励水平的9种组合。
被试共有1175名患者，来自1015个家庭，共产生了2661次的治疗。研究人员在2011-2013年时间段内分43批次随机分配患者进入不同治疗组。
百川大模型
百川智能公司推出的一系列大型语言模型产品
62 查看详情
分析结果变量主要是患者首次联系预约的日期、累积响应率、在ddl内的响应率、每日风险率（Hazard Rate）。
在2013年的第二季度、第三季度，研究人员在同一环境下设置了第二次实验，主要是为了探究关键发现在更长的ddl下是否稳定。
作为对照，除了与主实验中的D1、D3和ND相对应的处理，第二次实验还包括了一个为期6周（D6）、10周（D10）和截止到12月31日的“年终”（EoY）ddl处理。奖励是价值10欧元的牙护套装。
其他设计和分析流程与第一个实验类似。
ddl的威力
最终研究人员对实验结果进行了分析，分析过程有点复杂，感兴趣的家人们可以查看完整论文，“省流版”如下。
设置ddl可以显著提高和加速人们对任务做出反应的频率和时间。
相对较短的ddl（1-3周）不仅可以加速人们的反应，还可以在ddl后100天内持续使响应率升高10%以上，持续提高人们更长时间内的任务完成率，这可能与记忆和注意力的限制有关。即使没有明确的奖励措施，ddl对人们的行为也有显著影响，ddl本身效果与高额奖励的效果近似。
在给定ddl前，风险率随着ddl的延长而降低，这与理论预测不符，也可能是记忆限制的影响。
也就是ddl较长，人们有可能遗忘之前要完成的任务，导致风险率相对较低。
将奖励和合理的短期ddl结合起来，能以更低的总成本激励人们提早完成任务，成本效益最高。
对一个任务施加ddl可能会对其他任务产生负面溢出效应。在无ddl设置中响应率较低的群体，在施加ddl后任务表现相对提升更大。
网友热议
沃顿商学院教授Ethan Mollick扒出并分享了这项研究后，得到不少网友关注。
有网友表示，“这和帕金森定律相呼应”（工作会膨胀以填满用于完成该工作的时间）：
较短的ddl增加了紧迫感，但也更安心，因为知道在ddl来临之前仍有时间纠正错误或补救问题。
从研究出发，有网友还对ddl对心理的长期影响以及工作质量的影响感兴趣：
ddl本质上仅是一个时间框架，它设定了完成任务时可进行的分析的范围和深度。然而，人们常常将面对ddl的压力视为是一种惩罚。
此外，也有网友吐槽ddl：
你确定这不是因为囚犯习惯了牢笼铁栅栏吗？没有ddl的情况下，我工作得更好。
以上就是探讨ddl作为第一生产力的科学解释：网友呼吁进行大模型实验的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/438800.html
微信扫一扫 
支付宝扫一扫 
