METR:AI 研发能力快速提升且超出基准测量范围

评测机构 METR 于 2026 年 11 月 20 日发布季度研究更新,评估了截至 Opus 5.5 和 GPT-6 Astra 的公开模型,结论是与 AI 研发加速相关的能力正在快速提升,但已超出原有「任务时长」基准的度量范围,测量愈发困难。报告还发现多智能体群体的自评准确率存在严重虚高,40 个智能体的组合最高可高估准确率达 50 倍,凸显现有评测方法面临的新挑战。

2026-11-21 ~ 2026-11-21 · 4 条相关

另有 1 条近重复转述:najoungkim