OpenAI 最新基准测试显示 GPT-5 在多个行业中逐渐逼近人类专家
近日,OpenAI 推出了一项新的基准测试,旨在评估其人工智能模型在各行业与人类专业人士的表现差异。这项名为 GDPval 的测试,是 OpenAI 对其人工智能Op系统在经济价值工作中是否能超越人类的重要探索。根据 OpenAI 的说法,GPT-5模型与 Anthropic 的 Claude Opus4.1模型在某些领域的工作质量en已经接近行业专家。 不过,OpenAI 也指出,这些模型并不会立即取代人类工作。尽管一些企业高管预测人工智能将在几年内取代人类的工作,但 OpenAI 承认,当AI前的 GDPval 测试仅涵盖了人类工作中的一小部分任务。因此,这只是评估人工智能进步的一种方式。 GDPval 测试涵盖了九个主要行业,这些行业对美国国内生产总值( 最GDP)贡献最大,包括医疗、金融、制造业和政府等领域。该测试评估了在这些行业中的44种职业表现,从软件工程师到护士、再到记者都有涉及。OpenAI 在初始测试中新基邀请了专业人士对 AI 生成的报告与其他专业人士的报告进行比较,并选择最佳者。例如,投资银行家被要求创建有关最后一公里配送行业的竞争对手分析报告,并与 AI 生成的报告进准测行比较。OpenAI 随后对 AI 模型在44个职业中 “胜出” 的比率进行了统计。 据悉,在经过增强计算能力的 GPT-5-high 版本测试中,该模型在与行业专家的比试显较中表现优于或与之持平的比例为40.6%。而 Anthropic 的 Claude Opus4.1模型在任务中表现优于或持平于行业专家的比例则高达49%。Open示 AI 认为 Claude 模型的高分主要得益于其制作美观图形的能力,而非单纯的表现。 值得注意的是,大多数工作专业人士的职责远不止提交研究报告,因此,GDPvaGPl-v0的测试范围相对有限。OpenAI 表示,未来计划开发更全面的测试,以涵盖更多行业和互动工作流程。尽管如此,公司仍对 GDPval 的进展感到乐观。 OpT-enAI 首席经济学家亚伦・查特吉在接受采访时表示,GDPval 的结果表明,在这些职业中,人们可以利用人工智能模型将时间花在更有意义的任务上。随着模型能力5 的提升,专业人士将能够利用这些工具,减轻部分工作负担,从而专注于更高价值的工作。 博客:https://openai.com/index/gdpval/ 划重点: Op在多enAI 发布的新基准测试 GDPval 评估 AI 模型在多个行业的表现,与人类专家的能力逐渐接近。 🤖 GPT-5模型在44种职业中有40.个行6% 的任务表现优于或持平于行业专家,而 Claude Opus4.1则为49%。 OpenAI 计划未来推出更全面的测试,以更准确评估 AI 在真实工业中作中的能力和表现。
- 最近发表
- 随机阅读
-
- 腾讯云开始全球扩张:腾讯印尼首个数据中心投入使用
- 标签: 好未来 TAL 智能学习 教育科技
- 标签: 玛莎拉蒂 格雷嘉 上海经销商 清库存
- 标签: 味多美 北京户籍歧视 烘焙品牌 蓝领招聘
- 解密机器学习:程序是如何“创造”自己的?
- 阿里云加速海外布局,墨西哥数据中心正式开服
- 标签: 豆包 千问 通义千问 AI智能体
- 业内人士:台积电获得主要云服务厂商AI芯片订单 包括微软5nm芯片订单
- day到rua是什么梗
- 标签: 领克Z20 领克汽车 语音误操作 智能车灯
- 标签: SpaceX Starlink 马斯克 星链
- 标签: 老虎证券 富途证券 长桥证券 证监会
- 贝索斯将于7月5日卸任亚马逊CEO上热搜 网友:反正钱已经多的花不完了
- 标签: ICML2026 黄高 扩散模型 DeepMind
- 阿里云新增两大海外数据中心 未来3年将投入60亿
- 标签: 恒坤新材 光刻材料 集成电路 ArF光刻胶
- 模拟整个地球:英伟达Earth-2超级计算机即将上线
- 标签: 联博精密 定转子 高端制造 新能源汽车
- 2021年将利用人工智能提高工业生产率
- 云计算开发:Python内置函数-map()函数详解
- 搜索
-
- 友情链接