← 裁決カード一覧 · このカードのタイムスタンプを検証する ↗
METRの後継ベンチマークが発表する、信頼度80%基準でのタスク遂行時間(time…——開票 2026-11-15
METRの後継ベンチマークが発表する、信頼度80%基準でのタスク遂行時間(time…——開票 2026-11-15
判断
METRの後継ベンチマークが発表する、信頼度80%基準でのタスク遂行時間(time horizon)が8時間を突破する(2026年5月時点の基準は3〜4時間)。
出典
arXiv (Kwa/West/Becker...Barnes/Chan,METR)
「frontier AI time horizon has been doubling approxi…」
BG2 Pod(Gerstner)× Atreides(Gavin Baker/Andrew Fox)× Altimeter(Clark Tang)
「there was a Copart tweet about this yesterday. He …」
Dwarkesh Podcast
「if you look at the size of a Tesla, and if you loo…」
Dwarkesh Podcast(Sholto 時任 Google Gemini,後轉 Anthropic;Trenton 任 Anthropic interp)
「I think that's more about nines of reliability and…」
的中の条件
METRが次に発表する信頼度80%基準の測定値を8時間のしきい値と比較する。上回れば的中、以下なら不的中、期限までにMETRが新しい測定値を発表しなければ判定不能とする。
答え合わせの日
2026年11月15日
2026-11-15
結果
まだ答え合わせの日を迎えていないため、公開できる結果はない。
学んだこと
まだ答え合わせ前——以下は、この判断を覆す条件としてあらかじめ書き残しておいたものだ(答え合わせを待たず今すぐ照合できる):
測定値が3〜4時間の範囲で停滞する、または後退すれば、「長時間タスクの解錠はまだ来ていない」という読解を支持する。
