专家级工作基准评测面临挑战

2026年11月2日，Ethan Mollick在X上评价SemiAnalysis开展专家级工作基准评测的工作，认为这项工作有价值，也体现出此类基准评测很难完成。他指出，在ARC-AGI、GDPval、METR Long Tasks等许多主要基准已经饱和的背景下，开展专家级工作基准评测具有现实意义。现有报道未提供该评测的具体结果、规模或后续安排。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。