跳到正文
1月8日周四
11月12日周三
  1. One Useful Thing · Ethan Mollick62

    Ethan Mollick:像面试员工一样面试你的 AI

    Ethan Mollick 提出,通用基准难以衡量写作、共情与商业判断等能力,企业应像招聘一样对 AI 做严格面试。他引用 OpenAI 的 GDPval 研究:专家用平均 14 年经验设计需 4 到 7 小时完成的真实任务,再由第三方专家盲评,结果显示最强模型在软件开发、个人理财顾问等任务上超过人类,而药剂师、工业工程师和房产经纪人明显胜过最好的 AI,且不同模型表现各异。

9月30日周二
  1. One Useful Thing · Ethan Mollick62

    Ethan Mollick:真实 AI 智能体与真实工作

    Ethan Mollick 认为 AI 智能体已能完成有经济价值的真实任务。他让 Claude Sonnet 4.5 仅凭论文与复现数据包,自行读取论文、把 STATA 统计代码转成 Python 并完成复现,结果经 GPT-5 Pro 二次验证通过;OpenAI 的新测试中人类专家仅以微弱优势胜出,且 AI 失分主因是格式与指令遵循而非幻觉。