一篇立场论文认为，现代AI系统应从被动的维护循环转向主动的、基于测试的开发，以提高泛化能力。当前的被动流水线依赖于观察用户错误来修补模型，这往往忽略了更广泛的系统目标，并且无法预防未来的边缘情况。

作者主张创建一个“测试空间”，将反馈数据映射到任务目标，从而将循环从被动演变为主动。他们通过数学证明表明，与被动方法相比，这种主动方法能以更少的迭代实现更好的长期扩展。

这一转变解决了在开放世界用例中收集剩余错误的统计难题，旨在构建更具泛化能力的AI系统。