Kertas penyelidikan

METR terbitkan kajian horizon masa: tempoh tugas yang boleh diselesaikan AI berganda setiap kira-kira 7 bulan

Tajuk asal:Measuring AI Ability to Complete Long Software Tasks

Ringkasan AI

METR mengemukakan pengukuran keupayaan model berdasarkan tempoh tugas yang boleh diselesaikan ejen AI (diukur mengikut masa yang diperlukan profesional manusia), mendapati dalam 6 tahun lalu metrik ini meningkat secara eksponen, masa berganda kira-kira 7 bulan, dan pada SWE-Bench Verified masa berganda kurang daripada 3 bulan.

Maklumat penting

  • METR mengemukakan pengukuran keupayaan model berdasarkan tempoh tugas yang boleh diselesaikan ejen…
  • mendapati dalam 6 tahun lalu metrik ini meningkat secara eksponen
  • masa berganda kira-kira 7 bulan,dan pada SWE-Bench Verified masa berganda kurang daripada 3 bulan.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
METR:Research(网页)
Kategori
Kertas penyelidikan
Skor AI
75
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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 tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: METR terbitkan kajian horizon masa: tempoh tugas yang boleh diselesaikan AI berganda setiap kira-kira 7 bulan. 19 Mac 2025. https://new.nat6.net/ms/news/cmtyo7nb703vgrog0j0ha07cl/

Lihat Semua →