Palisade 研究员 Jeff Ladish 呼吁恢复 METR 时间跨度图
热点事件持续更新
Palisade 研究员 Jeff Ladish 呼吁恢复 METR 时间跨度图
2 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Palisade Research 研究员 Jeff Ladish 呼吁 METR 等机构恢复用模型完成长时程任务的时间跨度估算图，而不是只用 40 个 benchmark 衡量 AI 进步。他认为长时程任务依然可测量，并称最大的一次能力跃升出现在 Fable 模型发布前后，他使用 agent 的频率也从偶尔变成每天。 Ladish 同时表示，使用 Opus 5.5 时感觉模型几乎在各方面都更强，但每一代模型虽有泛化，能力分布仍“尖锐不平”，模型依旧不擅长幽默、魅力和说服；他预测自动化 AI 研发可能通过自建强化学习训练环境突破这一限制。
AI 根据报道生成 · 59 分钟前更新
最新进展11月6日 11:05
Palisade 研究员 Jeff Ladish：模型样样变强，但幽默与魅力仍是短板事件进展
2 个进展
- 11月6日 11:05 · 1 篇报道Palisade 研究员 Jeff Ladish：模型样样变强，但幽默与魅力仍是短板AGI Hunt：Palisade 研究员 Jeff Ladish：模型样样变强，但幽默与魅力仍是短板
- 11月6日 11:02 · 1 篇报道Palisade 研究员呼吁恢复 METR 时间跨度图：别只盯 40 个 benchmarkAGI Hunt：Palisade 研究员呼吁恢复 METR 时间跨度图：别只盯 40 个 benchmark
报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- AGI HuntPalisade 研究员 Jeff Ladish：模型样样变强，但幽默与魅力仍是短板
Palisade Research 研究员 Jeff Ladish 表示，使用 Opus 5.5 时感觉模型几乎在所有方面都更强，但每代模型虽有泛化，能力分布仍“尖锐不平”。他认为模型仍不擅长幽默、魅力与说服，并预测自动化 AI R&D 可能通过自建 RL 训练环境突破这一限制。
- AGI HuntPalisade 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。