英国AI安全研究所指出，当前主流AI智能体测试存在重大盲区，固定算力上限的评估方法严重低估了模型的真实能力与迭代速度。研究团队测试了多款前沿大模型在网络安全、软件工程和数学等基准中的表现，发现智能体的表现随着测试时算力的增加而持续提升。在网络攻防测试中，当算力预算从250万tokens提升至5000万tokens时，智能体可攻克任务的复杂度上限从2小时飙升至14小时。新模型在充足预算下的利用效率显著高于旧模型，前沿能力演进趋势比低算力测试陡峭约60%。然而，在缺乏即时反馈的医疗等领域，增加算力并不能提升智能体的表现，低预算评估可能导致决策者低估AI智能体的实际风险。
报告：固定算力掩盖了AI真实能力，前沿智能体进化速度被低估60%
生成海报
分享到:
扫码关注我们，了解最新AI资讯~
扫码关注我们，了解最新AI资讯~