资讯
Task-Aligned vs. Human-Aligned: Why AI’s Next Benchmark Should Be Us
📋总体概括
作者借斯坦福2026年AI指数报告的数据指出，前沿模型在专为AI设计的难题基准Humanity's Last Exam上一年内提升约30个百分点，行业惯于将刷榜高分视为AI进步的铁证。但作者提出质疑：现有评测是任务对齐而非人类对齐，衡量的是机器擅长之事，而非人类真正需要的能力。文章呼吁AI的下一条基准应以人为尺度，关注模型能否贴合人类真实需求与价值，而非单纯追逐分数。
⚡关键信息
- ▸斯坦福2026年AI指数报告显示，前沿模型在Humanity's Last Exam上一年内提升约30个百分点
- ▸Humanity's Last Exam是专为让AI难以通关而设计的基准，原本的「难关」正被迅速攻破
- ▸过去需数年才能实现的性能跃升，如今几个月即达成，排行榜每隔数月就被洗牌一次
- ▸作者不否认模型能力，但认为现有评测体系是任务对齐，忽略了人类对齐这一更关键维度
- ▸文章主张下一代AI基准应以人类真实需求为衡量标准，而非继续优化机器擅长的任务分数
🔥犀利点评
刷榜文化是AI行业最省事的自嗨：出题人专为AI设计考卷，再为AI考高分欢呼，闭环完美但与社会需求几乎无关。30个百分点的跃升证明了算力和数据的威力，也恰恰暴露了评测的空洞——当基准被快速刷穿，它度量的就不再是智能，而是过拟合的速度。作者点破的「人对齐」方向才是真问题，但恐怕没人愿意做，因为对齐人类无法写进发布会PPT。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 unite.ai 阅读全文 →