Palisade 研究员呼吁恢复 METR 时间跨度图：别只盯 40 个 benchmark

Palisade Research 研究员 Jeff Ladish 呼吁 METR 等机构恢复模型任务时间跨度估算图，而非仅用 40 个 benchmark 衡量 AI 进步。他认为长时程任务仍可测量，并称最大能力跃升出现在 Fable 模型发布前后，使用 agent 的频率由偶尔转为每天。