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
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.
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/