一项名为METR的新基准测试评估了AI模型处理多日任务的能力,发现当前模型可以胜任长期任务,但在需要大量判断的任务上遇到困难。该基准旨在评估AI在长时间内持续表现的能力,这是未来AI发展的关键领域。 AI
影响 凸显了当前AI在长期复杂、需要大量判断的任务方面的能力差距。
排序理由 该集群描述了一个用于评估AI模型的新基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →