跳到正文
arXiv · AI· Drew T. Nguyen, William Fithian·· 2026-10-09AI 评分25

对 METR AI 时间跨度估计与效度的统计分析

On the estimation and validity of AI time horizons---a statistical look at the METR plot

AI 导读

研究者基于 228 项任务与 26 种 AI 模型重新计算 METR 时间跨度,利用样条曲线与项目反应理论放宽了对数线性假设。 拟合样条显示 2-30 分钟内 AI 难度近乎平坦,而 30 分钟至 5 小时的跨度提升难度更大。 文章指出时间跨度基准需结合诊断图解读,以评估其构念效度。

来源:arXiv · AI · arxiv.org