Проект CRUX предложил «оценку в открытом мире» для проверки передовых возможностей ИИ
Оригинальный заголовок:Open-world evaluations for measuring frontier AI capabilities
ИИ-резюме
Проект CRUX, объединяющий 17 исследователей, тестирует возможности ИИ в реальных сценариях с помощью «оценки в открытом мире». В первом эксперименте ИИ-агент успешно разработал и опубликовал iOS-приложение в App Store, допустив лишь две ошибки при затратах около 1000 долларов, но также выявил риск спама в магазинах приложений, создаваемого ИИ.
Ключевые моменты
- Проект CRUX,объединяющий 17 исследователей,тестирует возможности ИИ в реальных сценариях с помощью…
- В первом эксперименте ИИ-агент успешно разработал и опубликовал iOS-приложение в App…
- но также выявил риск спама в магазинах приложений,создаваемого ИИ.
Кратко
- Опубликовано
- Обновлено
- Источник
- AI as Normal Technology(RSS)
- Категория
- Статьи и исследования
- Оценка ИИ
- 70
这篇提出「开放世界评估」概念,用发布 iOS 应用的实验证明 agent 已接近自主完成端到端真实任务,这给评估方法论和 App Store 反垃圾都敲了警钟。
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Проект CRUX предложил «оценку в открытом мире» для проверки передовых возможностей ИИ. 17 апреля 2026. https://new.nat6.net/ru/news/cms3fv5il00ofrondzp68ytt6/