3735 次浏览 · 31 赞 · 2 转发 （收录时）
Ethan Mollick 表示，GDPx 需要人类基准，并指出评分错误
- 谁
- Ethan Mollick
- 引文
I also think the 0% scores hide economically meaningful differences in success rates.
发生了什么
很高兴看到 GDPval 的后续版本可用于评估 AI 的工作，但它确实需要像 GDPval 那样的人类基准。 有意思的是，GPT-6 Pro 发现了评分中的一些错误。我也认为，0% 的分数掩盖了成功率上具有经济意义的差异。但它仍然是一个有价值的基准！
原帖含 2 个链接接下来读什么
查看这件事的完整进展Ethan Mollick 呼吁设置人类基线，并质疑 GDPx 评分正文 · 中文版本尚未就绪（原文）
Nice to see a successor to GDPval to evaluate AI work but really needs human baselines like GDPval.
Funnily enough, GPT-6 Pro spotted some errors in the grading. I also think the 0% scores hide economically meaningful differences in success rates. But still a valuable benchmark!
Today we’re releasing GDPx, a benchmark for measuring agentic capabilities across the most valuable domains. GDPx is a true frontier-level benchmark: even the best model scores just 12% (1/7)🧵在 X 查看被引用的帖子
这件事到目前为止
Ethan Mollick 呼吁在 GDPx 基准测试中设置人类基线，并指出评分存在问题，同时仍称其为评估 AI 工作的一种有价值的方式。他欢迎 GDPx 接替 GDPval，但表示它需要像 GDPval 那样设置人类基线。 Mollick 表示，GPT-6 Pro 发现了评分中的错误。他还认为，GDPx 的 0% 分数掩盖了成功率之间具有经济意义的差异。
每天一封，跟上 AI 的重要变化
模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。 看一份往期日报 · 2026-11-02