AISI शोध: एआई एजेंट मूल्यांकन में test-time compute को शामिल करना आवश्यक, निश्चित बजट से क्षमताओं का कम आंकलन होगा
मूल शीर्षक:More compute, more capability: Why AI agent evaluations need to account for test-time compute
AI सारांश
यूके AI Security Institute ने एक अध्ययन में कहा है कि एआई एजेंट क्षमता कोई एकल स्कोर नहीं है, बल्कि test-time compute के साथ बदलने वाला एक वक्र है। निश्चित बजट वाला मूल्यांकन फ्रंटियर एआई एजेंट की क्षमताओं को, विशेष रूप से नए मॉडलों के लिए, व्यवस्थित रूप से कम आंकता है।
मुख्य जानकारी
- यूके AI Security Institute ने एक अध्ययन में कहा है कि एआई एजेंट क्षमता कोई एकल स्कोर नहीं है
- बल्कि test-time compute के साथ बदलने वाला एक वक्र है। निश्चित बजट वाला मूल्यांकन फ्रंटियर एआई…
- विशेष रूप से नए मॉडलों के लिए,व्यवस्थित रूप से कम आंकता है।
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 70
AISI 用多预算扫描实验说明固定 token 预算会系统性低估前沿智能体能力,对评测方法和政策判断都有参考价值。
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।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: AISI शोध: एआई एजेंट मूल्यांकन में test-time compute को शामिल करना आवश्यक, निश्चित बजट से क्षमताओं का कम आंकलन होगा। 2 जुलाई 2026। https://new.nat6.net/hi/news/z388o2naaxzmu8skr3irv3ujd/