โครงการ CRUX เสนอการประเมินแบบโลกเปิด เพื่อทดสอบความสามารถ AI ล้ำสมัย
หัวข้อต้นฉบับ:Open-world evaluations for measuring frontier AI capabilities
สรุปโดย AI
โครงการ CRUX ประกอบด้วยนักวิจัย 17 คน ทดสอบความสามารถของ AI ในสถานการณ์จริงผ่านการประเมินแบบโลกเปิด ในการทดลองครั้งแรก เอเจนต์ AI หนึ่งตัวสามารถพัฒนาและเผยแพร่แอป iOS สู่ App Store ได้สำเร็จ โดยเกิดข้อผิดพลาดเพียงสองครั้ง ด้วยต้นทุนประมาณ 1,000 ดอลลาร์ แต่ยังเผยให้เห็นความเสี่ยงของสแปมในแอปสโตร์ที่ขับเคลื่อนโดย AI
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- AI as Normal Technology(RSS)
- หมวดหมู่
- บทความและงานวิจัย
- คะแนน AI
- 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。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: โครงการ CRUX เสนอการประเมินแบบโลกเปิด เพื่อทดสอบความสามารถ AI ล้ำสมัย 17 เมษายน 2026 https://new.nat6.net/th/news/cms3fv5il00ofrondzp68ytt6/