Toby Ord 推导 AI 任务时长：连续成功次数期望恰等于成功赔率
tobyordoxford · x · 2026-11-14
牛津哲学家 Toby Ord 在讨论 AI 任务时长（horizon length）外推模型时给出数学细节。
- 在恒定失败率假设下，失败前连续成功的期望次数恰好等于成功赔率（odds of success）；
- 当成功率较高时，连续成功次数的中位数（50% 水平）趋近与赔率的线性关系；
- 他同时承认自己曾主张的恒定风险率模型并不完全正确，即任务时长与赔率的比例关系只是简化近似。
这是对 METR 式「任务时长指数增长」外推争论的技术性回应，给出了可用于估算外推不确定性的解析关系。
所属事件:牛津学者 Toby Ord：RL 算力翻万倍才推升基准成绩(17 条相关)→
「研究」频道最新
- NeurIPS 最佳论文：扩散模型训练约 300 步/图后才开始记忆训练集 — Mastbubbles · 2026-11-14
- TestPrune:只跑相关回归测试,破解 AI 自动修 bug 的验证瓶颈 — burkov · 2026-11-14
- 幼儿只能从会回应的对象学新词,研究呼吁用响应式 AI 复测 — AnnaCiaunica · 2026-11-14
- Databricks 基准：上下文层让数据 agent 准确率 91% 远超前沿模型 58% — CautiousUse8597 · 2026-11-14
- MIT 教授将谈 AI 科学发现:智能体蜂群自主研究超材料 — ProfBuehlerMIT · 2026-11-14
- Walden 演讲：基座模型快速变强，中训练数据正被商品化 — ZeYanjie · 2026-11-14