研究：仅 16% 的 AI 基准测试衡量工作中的组织性困难
ben_burtenshaw · x · 2026-11-06
victorbarres 指出，人们常用 benchmark 进展回答「AI 能否做你的工作」，但 benchmark 由独立任务构成，而真实工作需要与他人协作——他们掌握信息、做决策、依赖你的产出。研究发现只有 16% 的 benchmark 测量了这种组织性困难。配图为「Ceci n'est pas un job」三联画，强调单人任务与真实岗位的差异。
「漫话AGI」频道最新
- alvelda 设想：像睡眠巩固记忆那样，把 agent 记忆练进模型权重 — alvelda · 2026-11-06
- AI 圈争论：回避 AI 的艺术家还算伟大艺术家吗 — repligate · 2026-11-06
- 资管高管：智能变便宜后，判断力才是企业 AI 的稀缺资源 — AI Engineer · 2026-11-06
- 英格兰银行报告：增长靠企业烧钱而非效率，GenAI 泡沫再遭质疑 — GaryMarcus · 2026-11-06
- Schmidhuber：超级智能 AI 将在数十亿年内改造整个可及宇宙 — SchmidhuberAI · 2026-11-06
- 马斯克：文明如有机体有生命周期，没有文明能永存 — XFreeze · 2026-11-06