पेपर और शोध

METR ने नवंबर 2026 क्षमता मापन अपडेट जारी किया: AI R&D से जुड़ी क्षमताएँ लगभग हर 3.6 महीने में दोगुनी हो रही हैं और उन्हें मापना अधिक कठिन होता जा रहा है

AI सारांश

METR ने Opus 5.5 और GPT-6 Astra तक के क्षमता मूल्यांकन का अपडेट जारी किया, जिसमें पाया गया कि TH1.1 और TH2 कार्यों पर मॉडल का समय-क्षितिज लगभग हर 3.6 महीने में दोगुना होता है, जबकि सत्यापन-योग्य उपसमुच्चय में दोगुना होने का समय लगभग 1.65 महीने है।

मुख्य जानकारी

  • METR ने Opus 5.
  • 5 और GPT-6 Astra तक के क्षमता मूल्यांकन का अपडेट जारी किया,जिसमें पाया गया कि TH1.
  • 1 और TH2 कार्यों पर मॉडल का समय-क्षितिज लगभग हर 3.
  • 6 महीने में दोगुना होता है,जबकि सत्यापन-योग्य उपसमुच्चय में दोगुना होने का समय लगभग 1.
  • 65 महीने है।

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
METR:Research(网页)
श्रेणी
पेपर और शोध
विषय
एआई एजेंटAI कोडिंग
AI स्कोर
82
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

संबंधित विषय

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: METR ने नवंबर 2026 क्षमता मापन अपडेट जारी किया: AI R&D से जुड़ी क्षमताएँ लगभग हर 3.6 महीने में दोगुनी हो रही हैं और उन्हें मापना अधिक कठिन होता जा रहा है। 20 नवंबर 2026। https://new.nat6.net/hi/news/sn8qb9u8fqka3mpnmy0r1nz4b/

सभी देखें →