OpenAI 报告:Agent 自主完成 2–4 小时任务成功率半年从 23% 升至 46%
OpenAI 拿自己内部数据说话,统计了 Agent 半年内做长时任务的成败率,还细分到监控训练 79%、写推理代码 25%。想知道 AI 自动做研究到底走到哪一步、哪些活还不能交出去,这份一手数据比猜测靠谱。
OpenAI 发布内部研究报告,统计今年 3 月到 10 月其内部 Agent 在预计需要人类 2–4 小时完成的任务上的表现:无需人工介入的成功率从 23% 提升至 46%。但任务间差异明显,监控训练运行的成功率达到 79%,而编写推理和服务系统代码只有 25%。
报告还披露,今年 1–9 月安全与对齐相关的工作量增长 77%,绝对增量在所有研究领域中排第一,说明在自动化研究加速的同时,人类在该方向上的投入反而在扩大。
OpenAI 在报告中呼吁各 AI 实验室持续追踪并公开“AI 帮助研发下一代 AI”的相关指标。这份报告为行业提供了一个可量化的参照:Agent 目前适合承担监控、部分编码等结构化任务,但核心研究方向仍高度依赖人类判断。
AI 已经能独立完成不少研究任务,但研发下一代 AI,人类仍然是关键。 OpenAI 公布了一份内部研究报告:从今年 3 月到 10 月,对于预计需要人类花 2–4 小时完成的任务,Agent 无需人工介入的成功率从 23% 升至 46%。 不过,不同任务之间差距很大:监控训练运行的成功率达到 79%,编写推理和服务系统代码则只有 25%。 与此同时,研究人员在安全与对齐上的投入也在增加。今年 1–9 月,相关工作量增长了 77%,绝对增量在各研究领域中最大。 OpenAI 还呼吁,AI 实验室应持续追踪并公开“AI 帮助研发下一代 AI”的相关指标,让外界看清这种加速正在如何发生。 openai.com/index/research…📊 3 ⚡
本条情报归属 AITOP「论文」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:OpenAI、Agent、AI安全、研究报告,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「AI Will」(@FinanceYF5),经 AITOP 多维评分管线结构化提炼。