#604.OpenAI Noam Brown：模型评估方式，正在错过 AI 真正的能力上限

AI 模型评估体系正面临挑战，现有的基准测试未能将 “测试时计算量” 纳入考量，导致性能对比失真。OpenAI 研究科学家 Noam Brown 指出，模型能力是投入算力与时间的函数，在不同推理预算下表现差异巨大，而行业沿用的静态评估框架已成为一种亟待打破的 “糟糕均衡”。研究者应将性能绘制为推理预算的函数，而非依赖单一基准分数。尽管 AI 正在加速科学发现，但由于模型在复杂任务中仍受限于推理时间，尚未出现瞬间的智能爆炸。行业需正视推理成本与效率的权衡，建立更具实效的评估标准，以真实反映模型在不同算力投入下的能力上限。