主要来源Ethan Mollick
查看原文事件专题 ·多源确认
METR 在 Anthropic 的研究印证了"直觉测试"的有效性
Ethan Mollick 引用 METR 在 Anthropic 内部开展的一项研究，认为该研究印证了所谓 vibe-testing（凭直觉快速评估模型）的方法有效性。他提到 Claude Sonnet 3.7 是 2025 年最明显超出预期的模型。Mollick 表示这与自己过去几年使用 Anthropic 模型的体验，以及 X 平台上 AI 社区的普遍共识相符。研究由 METR 完成，结合其此前对模型评估的工作，说明主观体验式测试在捕捉模型质量差异上有一定参考价值。
当前结论
METR 在 Anthropic 做的这项研究给 vibe-testing 背了书。如果你平时靠快速上手体验来判断模型好坏，这篇等于给你一个依据，还顺带聊了 Claude Sonnet 3.7 为什么是 2025 年最超预期的模型，做模型选型的人可以看看。
11 个信源36° AI 热度最后更新 2026/11/12 20:06:01
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。