Kajian AISI: Penilaian ejen AI perlu mengambil kira test-time compute, bajet tetap akan meremehkan keupayaan
Tajuk asal:More compute, more capability: Why AI agent evaluations need to account for test-time compute
Ringkasan AI
Institut Keselamatan AI UK menulis bahawa keupayaan ejen AI bukan satu skor tunggal, tetapi lengkung yang berubah mengikut test-time compute; penilaian dengan bajet tetap secara sistematik akan meremehkan keupayaan ejen termaju, terutamanya bagi model baharu.
Maklumat penting
- Institut Keselamatan AI UK menulis bahawa keupayaan ejen AI bukan satu skor tunggal
- tetapi lengkung yang berubah mengikut test-time compute
- penilaian dengan bajet tetap secara sistematik akan meremehkan keupayaan ejen termaju,terutamanya…
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Kategori
- Kertas penyelidikan
- Skor AI
- 70
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 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: Kajian AISI: Penilaian ejen AI perlu mengambil kira test-time compute, bajet tetap akan meremehkan keupayaan. 2 Julai 2026. https://new.nat6.net/ms/news/z388o2naaxzmu8skr3irv3ujd/