跳到正文
热点事件持续更新

SatBench:173 个顶级 AI 基准中已有 109 个被计为已解决

1 篇报道1 个报道来源45 分钟前更新

先了解这件事

AI 综述

Ethan Mollick 发布了 SatBench,这是一项基于 Benchmark Almanac 的分析,把 AI 实验室最常引用的 173 个基准当作同一场考试中的题目。截至 2026 年 11 月 14 日,报告称这 173 个基准中有 109 个已达到 85% 并被计为已解决,而 2023 年至 2025 年初这一比例约为 30%。达到 85% 的中位时间从约 20 个月降至约 14 个月,OpenAI 在最多基准上率先突破 85%(20 个),而 Anthropic 在 2026 年领先(11 个)。 Mollick 提醒,这一头条数字取决于运行如何计数:若只计独立运行,SatBench 为 24% 而非 63%,因为四次首次突破中有三次来自实验室自己的发布文章。他还指出,2025 年之前的数据较为稀疏,且该结果是外推,而非预测。

AI 根据报道生成 · 39 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. Hacker News · AI
    SatBench 分析 173 个 AI 基准,发现 109 个已被解决

    SatBench 是一个基于 Benchmark Almanac 构建的“基准的基准”,其报告称,在 173 个被引用最多的基准中,有 109 个已达到 85% 并被计为已解决,相比 2023 年至 2025 年初约 30% 的比例有所上升。达到 85% 的中位时间从约 20 个月降至约 14 个月,OpenAI 在最多基准上率先突破 85%(20 个),而 Anthropic 在 2026 年领先(11 个)。作者提醒,若只统计独立运行,SatBench 的比例为 24% 而非 63%,因为四分之三的首次突破来自实验室自己的发布公告。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。