Mga Papel at Pananaliksik

Inilabas ng METR ang update sa pagsukat ng kakayahan noong Nobyembre 2026: nadodoble tuwing mga 3.6 buwan ang kakayahang may kaugnayan sa AI R&D at mas mahirap na itong sukatin

AI summary

Inilabas ng METR ang update sa ebalwasyon ng kakayahan hanggang sa Opus 5.5 at GPT-6 Astra, kung saan natuklasan na ang time horizon ng modelo sa mga gawain ng TH1.1 at TH2 ay nadodoble tuwing mga 3.6 buwan, at ang doubling time sa verifiable subset ay mga 1.65 buwan.

Mahahalagang impormasyon

  • Inilabas ng METR ang update sa ebalwasyon ng kakayahan hanggang sa Opus 5.
  • 5 at GPT-6 Astra,kung saan natuklasan na ang time horizon ng modelo sa mga gawain ng TH1.
  • 1 at TH2 ay nadodoble tuwing mga 3.
  • 6 buwan,at ang doubling time sa verifiable subset ay mga 1.
  • 65 buwan.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
METR:Research(网页)
Kategorya
Mga Papel at Pananaliksik
Paksa
Agent AI agentAI coding
AI na marka
82
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

METR 用自家任务套件量化模型能力增速与短板,并讨论评测环境与 RL 训练环境趋同带来的测量偏差,方法细节可供评测设计参考。

Mga kaugnay na paksa

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Inilabas ng METR ang update sa pagsukat ng kakayahan noong Nobyembre 2026: nadodoble tuwing mga 3.6 buwan ang kakayahang may kaugnayan sa AI R&D at mas mahirap na itong sukatin. 20 Nobyembre 2026. https://new.nat6.net/fil/news/sn8qb9u8fqka3mpnmy0r1nz4b/

Tingnan lahat →