Статьи и исследования

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
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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.

Оригинал статьи · Материал на AIHOT

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/

Смотреть все →