Makalah & Riset

METR merilis pembaruan pengukuran kemampuan November 2026: kemampuan terkait R&D AI berlipat ganda setiap sekitar 3,6 bulan dan semakin sulit diukur

Ringkasan AI

METR merilis pembaruan evaluasi kemampuan hingga Opus 5.5 dan GPT-6 Astra, yang menemukan bahwa pada tugas TH1.1 dan TH2 horizon waktu model berlipat ganda sekitar setiap 3,6 bulan, sementara pada subset yang dapat diverifikasi waktu penggandaannya sekitar 1,65 bulan.

Poin utama

  • METR merilis pembaruan evaluasi kemampuan hingga Opus 5.
  • 5 dan GPT-6 Astra,yang menemukan bahwa pada tugas TH1.
  • 1 dan TH2 horizon waktu model berlipat ganda sekitar setiap 3,6 bulan,sementara pada subset yang…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
METR:Research(网页)
Kategori
Makalah & Riset
Topik
Agen AIPengodean AI
Skor AI
82
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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。

Topik terkait

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.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: METR merilis pembaruan pengukuran kemampuan November 2026: kemampuan terkait R&D AI berlipat ganda setiap sekitar 3,6 bulan dan semakin sulit diukur. 20 November 2026. https://new.nat6.net/id/news/sn8qb9u8fqka3mpnmy0r1nz4b/

Lihat semua →