METR·· 2026-03-20AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
METR 分析：建模假设如何影响时间跨度（time horizon）评测结果
Impact of modeling assumptions on time horizon results
AI 导读
METR 指出其时间跨度任务套件接近饱和后，结果对分析选择愈发敏感：修正正则化建模错误后，近期模型的 50% time horizon 下降最多 20%。
来源：METR · metr.org