METR, yargı ağırlıklı görevleri ekleyerek zaman ufku grafiğini güncelledi; bazı yapay zeka yeteneklerinin hâlâ üssel büyüdüğünü, modellerin…
Orijinal başlık: METR updates its time horizon plot to add judgment-heavy tasks, finding some AI capabilities still grow exponentially but models lag at designing AI evaluations (Grace Huckins/MIT Technology Review)
Kısaca
METR’in yeni raporu, bazı yapay zeka yeteneklerinin üssel bir ivme gösterdiğini, ancak modellerin değerlendirme tasarlama konusunda geride kaldığını ortaya koyuyor.
Ne oldu?
- METR, zaman ufku grafiğine yargı‑ağırlıklı görevleri ekledi.
- Rapor, AI yeteneklerinin üssel büyürken, değerlendirme tasarımı yeteneğinin yavaşladığını gösteriyor.
Neden önemli?
AI ürün ekipleri, model performansını ölçmek yerine değerlendirme tasarımına odaklanmalı.