AI智能體評測須納入測試時計算量

2026年10月6日，英國 AI Security Institute 的 Science of Evaluation 團隊發布博客，討論 AI 智能體評測為何需要納入測試時計算量。團隊發現，固定計算預算會低估前沿 AI 智能體在多項基準上的能力，較新的模型尤其如此。報道所述的核心進展，是指出評測結果會受測試時可用計算量影響；在固定預算下，智能體展現的能力可能未被充分反映，因此評測需要把測試時計算量納入考慮。

AI 根據報道生成 · 3 小時前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。