SatBench:173 個頂級 AI 基準中已有 109 個被計為已解決
熱點事件持續更新
SatBench:173 個頂級 AI 基準中已有 109 個被計為已解決
1 篇報導1 個報導來源45 分鐘前更新
先了解這件事
AI 綜述
Ethan Mollick 發布了 SatBench,這是一項基於 Benchmark Almanac 的分析,把 AI 實驗室最常引用的 173 個基準當作同一場考試中的題目。截至 2026 年 11 月 14 日,報告指出這 173 個基準中有 109 個已達到 85% 並被計為已解決,高於 2023 年至 2025 年初之間約 30% 的水準。達到 85% 的中位時間從約 20 個月降至約 14 個月,而 OpenAI 在最多基準上率先突破 85%(20 個),Anthropic 則在 2026 年領先(11 個)。 Mollick 提醒,這個頭條數字取決於如何計算執行次數:若只計獨立執行,SatBench 的比例會是 24% 而非 63%,因為每四次首次突破中有三次來自實驗室自家的發布貼文。他也指出,2025 年之前的資料較為稀薄,且該結果屬於外推,而非預測。
AI 依報導生成 · 39 分鐘前更新
最新進展11月16日 23:02
SatBench 分析 173 個 AI 基準測試,發現其中 109 個已被解決報導時間線
沿著報導,了解事件的不同側面。
11月16日
- Hacker News · AISatBench 分析 173 個 AI 基準測試,發現其中 109 個已被解決
SatBench 是一個建立在 Benchmark Almanac 之上的「基準測試的基準測試」,其報告指出,在 173 個最常被引用的基準測試中,已有 109 個達到 85% 並被計為已解決,高於 2023 年至 2025 年初之間約 30% 的比例。達到 85% 的中位時間從約 20 個月降至約 14 個月,而 OpenAI 在最多基準測試上率先突破 85%(20 個),Anthropic 則在 2026 年領先(11 個)。作者提醒,若只計入獨立執行,SatBench 的比例會是 24% 而非 63%,因為每四次首次突破中有三次來自實驗室自家的發布貼文。
本事件熱度走勢
還沒有足夠的連續觀測資料,暫不繪製趨勢。