当前的人工智能代理距离自动化人工智能研发有多近？我们的新机器学习研究工程基准（RE-Bench）通过直接比较Claude 3.5 Sonnet和o1-preview等前沿模型与50多名人类专家在7个具有挑战性的研究工程任务上的表现来回答这个问题

Ethan Caballero分享了METR_Evals的一条推文，讨论了AI代理在自动化AI研究和开发方面的当前能力。推文介绍了一个名为ML研究工程基准（RE-Bench）的新基准，旨在评估这个问题。对于那些对AI在自我改进和在机器学习领域创新潜力感兴趣的人来说，这个内容很值得关注。这标志着朝着理解和衡量AI系统自主进行AI研究的距离迈出了一步，这可能对AI进展的速度产生重大影响。如果你对AI发展的未来和评估AI自动化能力的基准感到好奇，这条推文可能值得你关注。-伊森·卡瓦列罗很忙。 -METR_Vals有一个新的ML研究工程基准，称为RE-Bench。 -RE Bench旨在确定人工智能代理在自动化人工智能研发方面的进展。