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…
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.
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/