Palisade 研究员：别只盯基准，看 agent 能否真干活

Palisade Research 研究员 Jeff Ladish 在访谈中批评当前 AI 能力衡量方式，认为与其堆砌 40 个基准测试，真正该问的是 agent 能否自主完成具有经济价值的真实工作。他同时呼吁复活 METR 的时间跨度图，以更贴近实际任务表现的方式追踪 AI 进步。

2026-11-06 ~ 2026-11-06 · 2 条相关

• Palisade 研究员呼吁复活 METR 时间跨度图：别只盯 40 个 benchmark — JeffLadish · 2026-11-06
• Palisade 研究员:别看 40 个基准,问 agent 能否真把活干完 — FinanceYF5 · 2026-11-06