English(EN) Expenditure Horizon: Measuring Optimization Ability, with an Application to NanoGPT

新指标量化AI优化成本效益

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-21 07:00

研究人员引入了一个名为“支出视界”的新指标，用于量化AI代理的优化能力。该指标估计了在何种预算下，AI在特定任务上比人力更具成本效益。对NanoGPT速通的初步应用表明，对于这个特定的优化问题，AI代理目前的成本效益不如人类，估计的支出视界远低于所产生的成本。 AI

影响这一新指标可以为评估AI代理在加速AI研发方面的成本效益提供一种标准化方法。

排序理由该条目描述了一种新的研究方法及其在AI优化问题中的应用。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

METR (Model Evaluation & Threat Research) TIER_1 English(EN) · 2026-07-21 07:00

支出视界：衡量优化能力，并应用于NanoGPT

We propose a measure of an AI agent’s optimization ability with an “expenditure horizon.” We give an empirical illustration from the NanoGPT speedrun. One difficulty in measuring AI’s ability to accelerate AI R&D is accounting for token cost, experi…