RecodeX 重构消息,METR在开放式评估设计测试中发现,尽管AI模型能力呈指数级提升,但在判断类任务上表现落后,没有任何一个AI提出的方案被研究人员认为有用。该测试聚焦于开放式评估设计,结果显示模型在需要判断力的环节仍存在明显短板。