赞扬AISecurityInst关于测试时计算预算影响的研究
来自@AISecurityInst的出色工作，研究测试时计算预算对前沿AI模型评估的影响。他们比我能更有说服力地论证这一点！
大多数AI代理评估将能力归结为一个分数。但这个数字隐藏了一个关键选择：代理被允许使用多少计算量。我们评估科学团队的新工作展示了为什么这很重要。🧵 https://t.co/o56NiPnfEj
大多数AI代理评估将能力归结为一个分数。但这个数字隐藏了一个关键选择：代理被允许使用多少计算量。我们评估科学团队的新工作展示了为什么这很重要。🧵 https://t.co/o56NiPnfEj