论文与研究

AISI 研究:智能体评测需计入 test-time compute,固定预算会低估能力

原文标题:More compute, more capability: Why AI agent evaluations need to account for test-time compute

AI 摘要

英国 AI Security Institute 发文指出,智能体能力不是单一分数,而是随 test-time compute 变化的曲线,固定预算评测会系统性低估前沿智能体能力,尤其对新模型。

关键信息

  • 英国 AI Security Institute 发文指出,智能体能力不是单一分数,而是随 test-time compute 变化的曲线
  • 固定预算评测会系统性低估前沿智能体能力,尤其对新模型
  • 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

速览

发布时间
更新时间
来源
英国 AI Security Institute:Blog(网页)
分类
论文与研究
AI 评分
70
阅读原文 前往信息源阅读完整正文
推荐理由

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。

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:AISI 研究:智能体评测需计入 test-time compute,固定预算会低估能力。2026年7月2日。https://new.nat6.net/news/z388o2naaxzmu8skr3irv3ujd/

查看全部 →