智能体时间视野要打折扣：四次全对才算可靠，前沿模型的可信任务长度约为一半
前沿AI智能体的“时间视野”通常按平均成功率计算，即智能体以50%概率完成、人类专家需耗时多久的任务。该分析改用METR公开的逐次运行记录，把同一任务重复四次全部成功的概率也拟合成随任务时长变化的曲线，得到“可靠性视野”。在50个模型与基准版本的组合中，可靠性视野都短于能力视野，几何平均比值约2.4；这一差距在2023年至2026年初的模型代际间没有显著收窄。
虚拟世界的物理引擎装不下引力子：修正量要到月球轨道外才存得下，AI低精度格式却留住了信号
在引力子质量上限处，有质量引力子带来的静态修正小到虚拟世界物理引擎的浮点格式根本存不下：float64要到约5.4×108米、float32要到约1.25×1013米才首次可表示。按格式直接计算还会因相消造出最高达真值9×1016倍的虚假修正，单精度轨道积分在1 AU处报出834公里位移而真值仅8米。同一物理在AI所用格式中相反：包括8位FP8在内都保留了引力波色散残差，表示信噪比9.7到2×107。
已读完全部报道