METR 时间跨度指标在 AI 评估中受关注

纽约时报相关报道将焦点放在 AI 非营利机构 METR 及其“时间跨度（time-horizon）”评估指标。

可确认事实

公开信息显示，METR 的评估方法正被研究者与部分投资机构关注，用于观察前沿模型在长任务上的能力变化。

为什么重要

相比单点基准分数，这类指标更接近实际工作任务长度，有助于判断模型在真实流程中的可替代性和风险边界。

影响范围

影响将覆盖模型评估方法、风险沟通口径，以及企业在自动化部署上的预期管理。

下一步观察

后续重点看指标标准化程度、可复现性和跨模型对比口径是否进一步统一。

来源：New York Times（公开转引）

背景补充

所谓时间跨度指标，核心是衡量模型在更长链路任务中保持有效性的能力，而不是在短题目上拿高分。这类指标更接近真实工作流，因为现实任务往往包含多步骤规划、上下文延续和中间纠错。随着行业从演示能力转向生产应用，评估体系也需要从“单点性能”走向“持续完成能力”。如果这类指标能形成更统一口径，企业在自动化部署时的风险评估和岗位重构预期会更可控。