阅读
工具
关于
Ethan Mollick认为，智能模型与工具框架相结合，削弱了三项知名的高难度AI基准测试：METR Long Tasks、GDPval和ARC-AGI-3。他表示，模型如今能够连续工作极长时间、制作数学计算正确的专业文档，并解决复杂的新颖谜题——他将这些能力分别与上述基准测试联系起来。 Mollick认为，这些能力表明“最后几项知名高难度基准测试的时代已经结束”。他的结论谈的是模型借助工具框架能够完成什么，而不是模型单独的表现。
AI 根据报道生成 · 1 天前更新
沿着报道，了解事件的不同侧面。
Harness + 智能模型 = 最后一批著名高难度基准测试的终结。 模型现在可以连续工作极长时间（再见了，METR Long Tasks），可以输出数学计算正确的专业文档（再见了，GDPval），还可以解开复杂的新颖谜题（告别了，ARC-AGI-3）。https://twitter.com/arcprize/status/2110768288523251762
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。
