#METR基准测试
共 2 篇相关文章
·6 分钟
Anthropic最新研究：AI递归自我改进能力正逼近人类
Anthropic发布重磅研究报告，揭示AI递归自我改进的最新进展：Claude代码贡献超80%、训练优化达52倍加速、研究判断力在64%的决策点优于人类。深度解读实验数据与局限性。
阅读全文 →
科技前沿·5 分钟
Claude Mythos Preview基准测试成绩曝光：时间跨度超次优模型2倍
Anthropic最新模型Claude Mythos Preview在METR基准测试中表现惊人，80%成功率下时间跨度超过次优模型2倍以上，标志着AI Agent能力实现质的飞跃。本文深度解读METR评测指标及其对AI行业竞争格局的影响。
阅读全文 →