# METR将开放式任务纳入AI进展图表

> 这家非营利机构更新后的图表显示，AI在简单任务上的能力仍每四个月翻一番，但在研究设计等需要判断力的工作上仍落后。

Oossa · 2026-11-20 · https://oossa.com/zh/metr-adds-open-ended-tasks-to-its-ai-progress-graph

据《麻省理工科技评论》报道，AI评测非营利机构METR发布了新版“时间跨度”图表。新图表加入了耗时更长、对判断力要求更高的任务，例如设计AI评测或评判哲学论证。广为流传的旧版图表以人类完成任务所需的时间衡量进展，显示前沿模型能够处理的任务时长每四个月翻一番。新版图表显示，在编程和数学等容易验证的任务上，这一趋势仍在延续；但在开放式任务上，差距正在扩大。

新增任务旨在考察那些对自动化研发至关重要的能力。在设计评测的任务中，即使是最先进的模型，表现也只是“勉强高于门槛”，还达不到对METR工作人员有用的程度。在评判哲学论证的任务中，模型得分同样低于人类专家。文章援引的研究人员表示，这些结果并不意外；早期研究发现，AI仍无法独立复现人类的计算机科学研究。

METR工作人员也指出，衡量模型在这些任务上的表现并不容易。由于聘人完成数百小时的工作成本高昂，许多新增任务改用人类完成所需时间的估算值，取代实际测试。因此，报告纳入的高判断力任务较少，并承认相关数据不如原有任务集可靠。加州大学伯克利分校的Sayash Kapoor和波士顿大学的Najoung Kim等专家认为，纳入这些任务是积极的一步，但也提醒，难以衡量的能力所呈现的趋势仍会有较大波动。

总体而言，更新后的图表证实，AI在成功与否容易验证的任务上进步迅速，而在依赖判断力的工作上，进展仍不明朗。这张图表可能会影响业界对AI实现研发自动化所需时间的判断。

## 新增任务为何重要

如果AI要协助设计新实验或撰写研究计划，就必须能够处理无法用简单的通过或失败来检验的任务。METR更新后的图表显示，目前的模型在这些方面仍落后于人类，这意味着全面自动化的AI研究尚未近在眼前。

对于押注AI能加快产品开发的公司来说，这种差距意味着，不应期待AI能立即在高层战略决策方面带来收益。目前，这项技术在代码生成或数据分析等具体、可验证的工作上仍最为可靠。

## 事实

- METR的旧版图表显示，AI系统能够完成的任务时长每四个月翻一番。
- 更新后的图表加入了预计耗时远超原有任务集的任务，包括设计AI评测和评判哲学论证。
- 在设计评测的任务中，最先进的模型表现仅“勉强高于门槛”，仍未达到METR工作人员认为有用的标准。
- 在哲学论证任务中，模型得分低于人类表现；评判依据是模型与一名人类评分者的意见是否一致。
- 由于数百小时工作的费用高得难以承受，报告对许多任务采用了人类耗时估算值，取代实际测试。

## 为什么重要

对普通用户而言，这次更新意味着AI工具在编程等结果明确的工作上会继续进步，但目前还无法取代人类在研究规划或哲学推理中的判断。企业应继续利用AI自动处理常规任务，同时让人类参与战略决策。

## 来源与参考

1. [The most misunderstood graph in AI just got a major update](https://www.technologyreview.com/2026/11/20/1149399/the-most-misunderstood-graph-in-ai-just-got-a-major-update/) – MIT Technology Review, 2026-11-20

最后更新: 2026-11-20
