METR merilis penelitian horizon waktu: durasi tugas yang dapat diselesaikan AI berlipat ganda setiap sekitar 7 bulan
Judul asli:Measuring AI Ability to Complete Long Software Tasks
Ringkasan AI
METR mengusulkan pengukuran kemampuan model berdasarkan durasi tugas yang dapat diselesaikan agen AI (diukur dengan waktu yang dibutuhkan profesional manusia), dan menemukan indikator ini tumbuh eksponensial selama 6 tahun terakhir, dengan waktu penggandaan sekitar 7 bulan, serta pada SWE-Bench Verified waktu penggandaan kurang dari 3 bulan.
Poin utama
- METR mengusulkan pengukuran kemampuan model berdasarkan durasi tugas yang dapat diselesaikan agen…
- dan menemukan indikator ini tumbuh eksponensial selama 6 tahun terakhir
- dengan waktu penggandaan sekitar 7 bulan,serta pada SWE-Bench Verified waktu penggandaan kurang…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- METR:Research(网页)
- Kategori
- Makalah & Riset
- Skor AI
- 75
METR 用任务时长衡量模型能力,给出六年间指数增长趋势和约 7 个月翻倍速度,为理解模型真实工作能力提供一个可比较的框架。
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: METR merilis penelitian horizon waktu: durasi tugas yang dapat diselesaikan AI berlipat ganda setiap sekitar 7 bulan. 19 Maret 2025. https://new.nat6.net/id/news/cmtyo7nb703vgrog0j0ha07cl/