HCAST

档案区分来源方法阅读与既有目录信息；已经公开不代表完成独立证据复核或双语编辑复核。

测量构念

人类任务时长能否为自主能力测量提供锚点？

任务与样本

189项软件、机器学习、网络与推理任务收集563次人类尝试，累计逾1,500小时，并人工质检。

判分与失效情形

任务成功对应观测或预测的人类完成时长。

系统条件

189任务、563人类尝试，长任务更常依赖预测。

统计含义

来源报告的结果表述；这不等同于已确定运行次数、分母或估计方法： 智能体在一小时内任务成功70–80%，四小时以上任务低于20%。 部分时长源于预测，并非成功人类尝试（§3.2）。

效度与解释

长任务基线有选择与招募偏差，且任务不能完全代表真实工作（§5）。

适用研究问题

模型建议：解释自主时长时保留估时来源与任务族。

• HCAST: Human-Calibrated Autonomy Software Tasks · AbstractSelected original resource https://arxiv.org/html/2503.17354; sha256:74636576fcb11fa78c419dd47c2da316ac7d432a3ab57bff64b51cdf94a683a8; archived source capture; exact capture time not independently established
• HCAST: Human-Calibrated Autonomy Software Tasks · §2 Benchmark Creation ProcessSelected original resource https://arxiv.org/html/2503.17354; sha256:74636576fcb11fa78c419dd47c2da316ac7d432a3ab57bff64b51cdf94a683a8; archived source capture; exact capture time not independently established
• HCAST: Human-Calibrated Autonomy Software Tasks · §3.2 Human Time EstimatesSelected original resource https://arxiv.org/html/2503.17354; sha256:74636576fcb11fa78c419dd47c2da316ac7d432a3ab57bff64b51cdf94a683a8; archived source capture; exact capture time not independently established
• HCAST: Human-Calibrated Autonomy Software Tasks · §5 DiscussionSelected original resource https://arxiv.org/html/2503.17354; sha256:74636576fcb11fa78c419dd47c2da316ac7d432a3ab57bff64b51cdf94a683a8; archived source capture; exact capture time not independently established