Epoch 端出「AI 研發版的職業任務表」,想治的是一種「路燈下找鑰匙」的量測毛病。

Epoch 6 月 17 日釋出一張任務分類法的第一版(原文,2026-06-17):把一家前沿 AI 公司的研究工作拆成 6 大類、60 多項任務,每項用 0 到 5 分評「現在的 AI 能自動化到什麼程度」。它針對的是現有量測的路燈謬誤 — 在路燈下找鑰匙,不是因為鑰匙掉在那,是因為那裡有光:像 METR 那種「AI 能獨立做多長時間的任務」的單軸指標好量,卻漏掉了研究工作真正的複雜結構。(O*NET 是美國勞工部那套職業任務資料庫,Epoch 借它的做法套到 AI 研究上。)和今日主線第 1 點合看:Epoch 這個月在做同一件事 — 把「智能爆炸什麼時候來」從吵架題改造成工程題。但目前只有 Epoch 一家在做,這是不是產業級的量測方法轉向,得等第二家機構跟進才算數。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…