METR 发布 2026 年 11 月能力测量更新:AI R&D 相关能力每约 3.6 个月翻倍且更难测量
AI 摘要
METR 发布截至 Opus 5.5 和 GPT-6 Astra 的能力评测更新,发现在 TH1.1 与 TH2 任务上模型时间视野约每 3.6 个月翻倍,可验证子集翻倍时间约 1.65 个月。
关键信息
- METR 发布截至 Opus 5.
- 5 和 GPT-6 Astra 的能力评测更新,发现在 TH1.
- 1 与 TH2 任务上模型时间视野约每 3.
- 6 个月翻倍,可验证子集翻倍时间约 1.
- 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
速览
- 发布时间
- 更新时间
- 分类
- 论文与研究
- AI 评分
- 82
推荐理由
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。
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:METR 发布 2026 年 11 月能力测量更新:AI R&D 相关能力每约 3.6 个月翻倍且更难测量。2026年11月20日。https://new.nat6.net/news/sn8qb9u8fqka3mpnmy0r1nz4b/