进行中

METR扩展时间跨度评测套件并测试公开模型

报道
1
信源
1
首次报道
11/21 03:44
最近更新
11/21 03:44

METR 扩展了其时间跨度评测套件,加入更多可低成本验证的任务,并新增难以验证或需要判断的任务。METR 称,此次扩展是为了更好地理解 AI 能力。 METR 表示已在新增和现有任务上测试公开模型,最高至 Opus 5.5 和 GPT-6 Astra。

最新进展METR 扩展时间跨度评测任务集

热度48 小时内每个独立信源只算一次,24 小时减半

48 小时参与信源
1
6 小时新加入
1
24 小时新报道
1
热点排名
—

热度曲线会在事件持续一段时间后出现。

事件进展1 个阶段

全部报道1 篇

  • METR 扩展时间跨度评测任务集

    为了更好地理解 AI 能力,我们扩展了时间跨度评测套件,加入了更多可低成本验证的任务,并新增了难以验证或需要判断的任务。 我们在这些新增和现有任务上测试了公开模型,最高至 Opus 5.5 和 GPT-6 Astra。

    METR

#安全对齐#论文研究#评测基准