CRUX 项目提出“开放世界评估”测试前沿AI能力
Open-world evaluations for measuring frontier AI capabilities
AI 导读CRUX项目由17位研究者组成，通过“开放世界评估”在真实场景中测试AI能力。首次实验中，一个AI智能体成功开发并发布了一款iOS应用至App Store，仅出现两次错误，成本约1000美元，但也暴露了AI驱动的应用商店垃圾信息风险。
来源：AI as Normal Technology · normaltech.ai
事件后续1
查看事件全部- CRUX 项目提出“开放世界评估”测试前沿AI能力AI as Normal Technology · 4 月 17 日