研究人员引入了一种名为开放世界评估的新评估方法，它补充了前沿人工智能能力的传统基于基准的评估。这些评估侧重于长周期、复杂的真实世界任务，这些任务通过定性评估而非自动化评分进行评估。作为演示，一个AI代理在最少的人工干预下成功开发并向Apple App Store发布了一个iOS应用程序，这表明其具有广泛的能力潜力。 AI
影响 引入了一个新的评估框架，该框架可能比当前基准提供更现实的人工智能能力评估。
排序理由 该集群包含一篇介绍人工智能能力评估新方法的学术论文。[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 →