Makalah & Riset

Riset AISI: evaluasi agen AI perlu memperhitungkan test-time compute, anggaran tetap akan meremehkan kemampuan

Judul asli:More compute, more capability: Why AI agent evaluations need to account for test-time compute

Ringkasan AI

AI Security Institute Inggris menyatakan bahwa kemampuan agen AI bukanlah skor tunggal, melainkan kurva yang berubah seiring test-time compute; evaluasi dengan anggaran tetap secara sistematis akan meremehkan kemampuan agen AI terdepan, terutama untuk model baru.

Poin utama

  • AI Security Institute Inggris menyatakan bahwa kemampuan agen AI bukanlah skor tunggal
  • melainkan kurva yang berubah seiring test-time compute
  • evaluasi dengan anggaran tetap secara sistematis akan meremehkan kemampuan agen AI…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
英国 AI Security Institute:Blog(网页)
Kategori
Makalah & Riset
Skor AI
70
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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。

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: Riset AISI: evaluasi agen AI perlu memperhitungkan test-time compute, anggaran tetap akan meremehkan kemampuan. 2 Juli 2026. https://new.nat6.net/id/news/z388o2naaxzmu8skr3irv3ujd/

Lihat semua →