Toby Ord推演算力与任务时长关系

牛津学者 Toby Ord 在讨论中指出，benchmark 得分对 log(compute) 的斜率在 RL 算力、推理算力与预训练算力三种情形下各不相同，因此对应不同的幂律指数。由此推论，模型在随机任务上的成功概率随 log(compute) 呈指数增长，即成功几率按算力的幂律增长。

牛津哲学家 Toby Ord 在讨论串中提出，基准测试随机任务的成功几率（odds）往往随 log(compute) 呈指数增长，即 odds 随算力呈幂律增长。他指出当前通常只能观察到曲线中段、近似线性的形态，logistic 曲线假设仍需实证检验。

牛津学者 Toby Ord 提出理论论证：当 benchmark 得分随时间呈 logistic 增长时，任务成功几率可能指数上升，AI 模型可完成的任务时长或随 RL 算力乃至 ECI 增长而扩展。该推论将 benchmark 表现与模型任务 horizon 的关系置于指数增长框架下。