Ethan Mollick: 智能体框架与强模型正在攻克困难基准
中文全文 · AI 翻译
智能体运行框架 + 聪明的模型 = 最后一批著名困难基准的终结。
模型现在可以持续工作极长时间（再见，METR Long Tasks），可以输出数学内容正确的专业文档（再见，GDPval），也能解出复杂的新颖谜题（再见，ARC-AGI-3）。
对照原文
Harnesses + smart models = the end of the last famous hard benchmarks. Models can now work for extremely long times (bye, METR Long Tasks), they can output professional documents with correct math (so long, GDPval) and they can solve complex novel puzzles (farewell, ARC-AGI-3).