论文与研究

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
来源
METR:Research(网页)
分类
论文与研究
主题
Agent 智能体AI 编码
AI 评分
82
阅读原文 前往信息源阅读完整正文
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。

相关主题

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。

原文链接 · AIHOT 条目

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/

查看全部 →