METR 更新能力評測:AI R&D 相關能力約每 3.6 個月翻倍
METR 釋出 2026 年 11 月能力測量更新:AI R&D 相關能力每約 3.6 個月翻倍且更難測量
重點導讀
要量出 AI 模型能獨立完成多長、多少工作並不容易,評測方式也可能影響結果。
- METR 更新能力評測,測試截至 Opus 5.5 和 GPT-6 Astra 的模型在 TH1.1 與 TH2 任務上的表現,發現模型的時間視野約每 3.6 個月翻倍。
- 在可驗證的任務子集中,翻倍時間約為 1.65 個月。METR 也討論,評測環境和 RL 訓練環境越來越接近,可能帶來測量偏差。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
推薦理由
METR 用任務測量模型完成長程工作的能力增速,也說明評測環境接近 RL 訓練環境時,可能如何影響測量結果。
正文
METR:Research·2026-11-20 00:00· 1 天前精選AI 評分82
AI 導讀
METR 釋出截至 Opus 5.5 和 GPT-6 Astra 的能力評測更新,發現在 TH1.1 與 TH2 任務上模型時間視野約每 3.6 個月翻倍,可驗證子集翻倍時間約 1.65 個月。
推薦理由
METR 用自家任務套件量化模型能力增速與短板,並討論評測環境與 RL 訓練環境趨同帶來的測量偏差,方法細節可供評測設計參考。
來源:METR:Research · metr.org