“人类终极考试”基准测试发布：顶级 AI 系统表现惨淡，回答准确率均未超 10%

IT之家 1 月 24 日报道称，非营利机构“人工智能安全中心”（CAIS）与数据标注和AI开发服务提供商Scale AI合作推出了名为“人类终极考试”（Humanity's Last Exam）的全新基准测试，意在评估前沿人工智能系统的整体能力。该测试因其极高的难度备受关注。

据悉，该基准测试涵盖来自50个国家/地区的500多个机构的近1,000名学科专家，这些专家包括教授、研究人员和研究生学位持有者，涵盖了数学、人文学科和自然科学等多个领域。为增加测试的难度，问题形式多样，包括结合图表和图像的复杂题目。设计旨在全面考察人工智能系统在跨学科知识和多模态信息处理方面的能力。

据初步研究，所有公开可用的领先人工智能系统在该测试中的准确率均未超过10%。这一结果显示，尽管当前人工智能技术在特定领域取得了显著进展，但在处理复杂、综合性问题时依然存在明显挑战。

CAIS和Scale AI表示，他们计划向研究社区开放这一基准测试，以便研究人员有机会“深度挖掘差异”并评估新开发的人工智能模型。

广告声明：文中包含的外部链接（包括超链接、二维码、口令等形式）旨在传递更多信息，节省筛选时间，仅供参考。