RecodeX 重构消息,METR更新了其AI智能体基准测试,结果显示智能体在定义明确的工作上进步更快,但在需要战略思考或细致决策的任务中表现依然较弱。该基准测试的更新表明,AI智能体能力提升并不均衡,判断密集型任务仍是明显短板。