Is the @METR_Evals long horizons measure effectively saturated?
No updates to the most famous graph of AI progress since May, but other published work suggests you can effectively get 18+ weeks of work out of Fable (and I assume GPT-6) in harnesses.
AI 导读
@METR_Evals 的长时程指标是否实际上已经饱和？ 自5月以来，AI进展最著名的图表没有更新，但其他已发表的研究表明，在受控环境中，Fable（我推测GPT-6也是如此）可以有效完成18周以上的工作量。
Ethan Mollick@emollick43
AI 编辑部评分，满分 100@METR_Evals 的长时程指标是否实际上已经饱和？ 自5月以来，AI进展最著名的图表没有更新，但其他已发表的研究表明，在受控环境中，Fable（我推测GPT-6也是如此）可以有效完成18周以上的工作量。
来源：Ethan Mollick· x.com