待验证50% 置信事实精确时间

Metr（前身为ARC Evals）专注于前沿模型自主性与危险能力评估，曾在GPT-4和Claude 2发布前参与预发布测试

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

前沿AI模型安全评估：政府如何做决定？

rss2026/7/9

相关事实

待验证METR 由原 ARC Evals 团队演化而来，曾参与 GPT-4、Claude 2 等前沿模型的第三方红队评估73% 相似待验证GPT-5.2在ARC-AGI基准测试中登顶73% 相似待验证The benchmark tested leading AI models including Claude, GPT series, and Gemini.72% 相似待验证GPT-4等模型可根据接口文档或需求描述自动生成结构化测试用例，覆盖边界值和异常路径71% 相似待验证OpenAI在GPT-4技术报告中已隐晦提及模型参与自身评估流程71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/464242

API

curl https://kongchang.com/api/v1/knowledge/claims/464242

MCP

get_claim(id=464242)