论文中美对照精选03:58METR 发布研究更新:AI 研发相关能力快速提升且更难测量METR 就是那个用"模型能干多久任务"火出圈的评测团队。他们现在发现这个尺子量不住前沿模型的研发能力了,正在换新的测量方法。做模型选型、跑基准的工程团队应该看看。#METR#time horizon#模型评测#AI安全METR@METR_Evals原文稍后读已读值得跟进有用关注 METR