METR更新基准:AI智能体在判断密集型任务上仍显薄弱
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。
持续追踪METR AI能力时间跨度相关报道与进展。
关注仅保存在当前浏览器和域名中,无需登录,不会自动跨设备同步。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。
RecodeX 重构消息,AI评估非营利机构METR发布报告,更新其广受关注的“时间跨度”图表。报告发现,部分AI能力仍沿指数级轨迹持续提升,但模型在需要判断力的任务上表现不及编程类任务。该图表此前被广泛引用,用于衡量AI能独立完成多长时长任务的能力边界。