METR 更新 AI 任务时间跨度图,新增开放式判断任务评估
The most misunderstood graph in AI just got a major update
METR 更新任务时间跨度报告,发现部分 AI 能力继续指数增长,但模型在需要判断的开放式任务上逊于编码任务。原有评估显示,前沿模型能成功完成的任务所对应的人类用时每 4 个月翻倍;新增测试中,没有模型设计的 AI 评估达到 METR 研究可用标准,哲学论证评分也落后于人类。新版报告的任务完成时间多为估计,开放式任务数量有限,难以据此推断 AI 研发自动化的进展速度。