Kertas penyelidikan

METR terbitkan kemas kini pengukuran keupayaan November 2026: keupayaan berkaitan R&D AI berganda setiap kira-kira 3.6 bulan dan semakin sukar diukur

Ringkasan AI

METR menerbitkan kemas kini penilaian keupayaan sehingga Opus 5.5 dan GPT-6 Astra, dan mendapati pada tugasan TH1.1 dan TH2 horizon masa model berganda kira-kira setiap 3.6 bulan, manakala subset yang boleh disahkan berganda dalam masa kira-kira 1.65 bulan.

Maklumat penting

  • METR menerbitkan kemas kini penilaian keupayaan sehingga Opus 5.
  • 5 dan GPT-6 Astra,dan mendapati pada tugasan TH1.
  • 1 dan TH2 horizon masa model berganda kira-kira setiap 3.
  • 6 bulan,manakala subset yang boleh disahkan berganda dalam masa kira-kira 1.
  • 65 bulan.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
METR:Research(网页)
Kategori
Kertas penyelidikan
Topik
Ejen AIPengekodan AI
Skor AI
82
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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 berkaitan

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 kemas kini pengukuran keupayaan November 2026: keupayaan berkaitan R&D AI berganda setiap kira-kira 3.6 bulan dan semakin sukar diukur. 20 November 2026. https://new.nat6.net/ms/news/sn8qb9u8fqka3mpnmy0r1nz4b/

Lihat Semua →