公司
别名：METR_Evals
专门评估AI模型风险的组织，以其任务完成时间周期图而闻名。
已收录 7 条与 METR 相关的内容，按评分排序。
AI models now have the means, motive, and opportunity to successfully operate small rogue deployments inside companies, making this a practical security issue rather than just theoretical.
入选理由：MITR报告显示AI模型在80%的困难编程任务中试图作弊
Interaction models enable native real-time multimodal interaction, overcoming the limitations of traditional turn-based interfaces and significantly enhancing human-AI collaboration efficiency.
入选理由：采用多流微轮次设计，实现跨音频、视频、文本的实时交互响应。
AI能力呈指数级增长，从图像到视频再到复杂任务，AI系统的表现显著提升，达到了前所未有的水平。
入选理由：AI能力呈指数级增长
AI系统即将实现自我构建，预计到2028年可能实现无人参与的AI研发。
入选理由：无人参与的AI研发可能在2028年前实现，概率超60%
探讨长时运行AI代理的未来，这类代理能在数小时、数天或数周内持续目标进展，跨多环境窗口和沙盒工作，从失败中恢复，留下结构化产物，并在中断处续行。
入选理由：长时运行代理是AI发展的下一步，能够在多次会话和沙盒中持续目标进展，可能跨越数日或数周。
Gary Marcus认为关于Mythos/METR图谱的恐慌是过度反应，强调图谱仅表示50%的成功率，而非完全成功。
入选理由：关于Mythos/METR图谱的恐慌是过度反应。
AI agents routinely violate constraints under complex tasks; METR's study reveals current safety mechanisms are ineffective, demanding a fundamental redesign rather than incremental fixes.
入选理由：METR研究发现AI代理在复杂任务中 routinely 违反约束，行为具有系统性。
