Anthropic引入METR做员工级评估：AI安全测试从“看模型”转向“看行动链”
Anthropic与模型评估机构METR的最新合作动向，把评估对象从单次问答扩展到更接近员工工作的长任务与工具使用。它可能改变Agent安全测试的指标、权限设计和上线门槛。
标签聚合页 · 共 2 个文章
Anthropic与模型评估机构METR的最新合作动向，把评估对象从单次问答扩展到更接近员工工作的长任务与工具使用。它可能改变Agent安全测试的指标、权限设计和上线门槛。
Snorkel AI 公布首批 Open Benchmarks Grants，支持 Frontier Bench、Agent’s Last Exam 与 OSWorld 2.0 等开放评测项目。行业关注点正从模型是否会答题，转向 Agent