NUWA 外部评估 · METR
METR Time Horizon 1.1
以人类专家分钟数计量、成功概率为 50% 和 80% 时的估计任务难度。
发表 未核实
来源 ↓2026 年 10 月 25 日核验数据快照。未确定这些数值版本的首次公开日期，因此历史截止视图采用该保守日期。
涉及模型
capability · results.*; p50_horizon_length / p80_horizon_length; release_date; scaffolds
协议档案 →METR Time Horizon 1.1
以人类专家分钟数计量、成功概率为 50% 和 80% 时的估计任务难度。
衡量人类任务难度，而非自主运行时长。当前任务集下高于 16 小时的测量不可靠。
外部评测: METR
已整理本节协议，尚未提取精确数值。完整图示和发现请见原始报告。
报告覆盖核查
| 章节 | 原文位置 | 处理方式 |
|---|---|---|
| 50% and 80% task-completion horizons | Source YAML results; methodology page | 关联协议 2026 年 10 月 25 日核验数据快照。未确定这些数值版本的首次公开日期，因此历史截止视图采用该保守日期。 |
参考文献
数值结果由所引研究的作者报告。
- [1] METR Time Horizon 1.1 — source data ; results.claude_3_5_sonnet_20240620_inspect; results.claude_3_5_sonnet_20241022_inspect; results.claude_3_7_sonnet_inspect