热点事件持续更新
METR发布多项AI代理安全与能力评估研究
2 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
METR 的研究页面汇总了其多项评测与研究项目，包括对 GPT-5、Claude 3.7、DeepSeek 和 Qwen 等模型的危险自主能力评测，以及 time horizon 估计、RE-Bench、HCAST 基准和开发者生产力随机对照试验等。其中一项试验发现，经验丰富的开源开发者使用 AI 工具后耗时反而增加 19%。2026 年 9 月 30 日，METR 宣布重新设计其开发者生产力实验，认为 2025 年 8 月启动的二次研究中因开发者拒绝无 AI 工作而出现选择效应，使数据无法可靠反映 AI 工具的生产力影响。
AI 根据报道生成 · 12 小时前更新
最新进展9月30日 23:28
METR 因选择效应宣布重新设计开发者生产力实验。事件进展
2 个进展
- 9月30日 23:28 · 1 篇报道METR发布多项AI代理安全与能力评估研究METR：Research：METR 研究列表：模型自主能力评测与开发者生产力研究汇总
- 9月30日 23:28 · 1 篇报道METR因选择偏差重新设计开发者生产力实验METR：Research：METR 将重新设计开发者生产力实验，因 AI 选择效应致新数据不可靠
报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- METR：Research精选METR 研究列表：模型自主能力评测与开发者生产力研究汇总
METR 的研究页面汇总了其评测与研究项目，包括对 GPT-5、Claude 3.7、DeepSeek 和 Qwen 等模型的危险自主能力评测，以及 time horizon 估计、RE-Bench、HCAST 基准和开发者生产力随机对照试验等研究。其中一项试验发现，经验丰富的开源开发者使用 AI 工具后耗时反而增加 19%。
- METR：Research精选METR 将重新设计开发者生产力实验，因 AI 选择效应致新数据不可靠
METR 宣布重新设计其开发者生产力实验，认为 2025 年 8 月启动的二次研究中因开发者拒绝无 AI 工作而出现选择效应，使数据无法可靠反映 AI 工具的生产力影响。
本事件热度走势
当前热度 7·可比范围峰值 10（10月1日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。