Task Horizon
Görev Ufku
Bir modelin belirli bir olasılıkla (METR'nin ana ölçüsünde %50) başarıyla tamamlayabildiği görevlerin uzunluğu; uzunluk, aynı görevin bir insana ne kadar sürdüğüyle ölçülür. METR Mart 2025'te tanımladı.
Yapay Zekâ ve BüyümeKavram 71 / 81
Pratikte
METR'nin Mart 2025 ölçümüne göre bu uzunluk son altı yılda üstel bir eğilim izledi ve yaklaşık yedi ayda bir ikiye katlandı. Sınırını bil: ölçüm çok adımlı yazılım ve akıl yürütme görevleri üzerinde ve yazarlar ciddi model hatası olasılığını kendileri not ediyor. Büyüme için okuma: ajana önce kısa ve geri alınabilir işleri ver (bir e-posta varyantı, bir segment listesi), uzun ve çok adımlı işleri (bir kampanyayı uçtan uca yürütmek) insan onayında tut (yorum). Büyüme yol haritanda ajana verilecek işleri görev uzunluğuna göre sırala, ama takvimi bir trend çizgisine bağlama (yorum).