头版Folia Daily Briefing
← 返回头版
科技人工智能

Anthropic推出概念推理指数评估AI模型哲学推理能力

Anthropic公司开发了概念推理指数(CRI),用于评估人工智能模型在哲学推理、决策论等概念性任务上的表现能力[1]。该指标旨在衡量AI在帮助人类理解和应对AI风险方面的能力[1]。

概念推理指数由三个基准测试组成[1]。其中LMCA基准占权重的60%,包含560个位置文本和1,461个论证、共2,140个评分[1];ACCoRD基准占权重的20%,包含约14,000个模型生成的一致性约束[1];DTBench占权重的20%,包含407个多选题和130个额外问题,用于测量决策理论推理能力[1]。

截至2026年8月10日,Anthropic的Opus 5模型在该指数上得分最高,达到73.6分(95%置信区间:±2.1)[1]。研究团队估计该指数的天花板性能约为91分[1],并预计LMCA基准将在约一年后开始出现性能饱和[1]。


Anthropic概念推理指数AI基准测试大语言模型评估AI风险管理