佳文共赏 全部文章

METR提出“时间跨度”指标衡量AI独立完成长软件任务的能力，基于170项任务测试发现，大模型可胜任任务对应的人类工作时长约每7个月翻倍，已从秒级提升到数小时至约12小时，按趋势未来数年或可处理相当于专家数周的任务；但真实软件工作更混乱，自动化基准与现实可用性存在明显差距，现有结论应谨慎外推。