METR 发布 2026 年 11 月能力测量更新:AI R&D 相关能力每约 3.6 个月翻倍且更难测量
METR 发布截至 Opus 5.5 和 GPT-6 Astra 的能力评测更新,发现在 TH1.1 与 TH2 任务上模型时间视野约每 3.6 个月翻倍,可验证子集翻倍时间约 1.65 个月。
为什么值得看
METR 用自家任务套件量化模型能力增速与短板,并讨论评测环境与 RL 训练环境趋同带来的测量偏差,方法细节可供评测设计参考。
本文由 SoccerDream AI 自动聚合索引,内容版权归原作者与 METR:Research(网页) 所有。
本站仅作技术动态聚合,不构成任何形式的建议。
本站仅作技术动态聚合,不构成任何形式的建议。