风险评测 · 研究方法

Long-Form Tasks: A Methodology for Evaluating Scientific Assistants

NUWA 研究解读 · 独立复核待完成

首次发表: 发表日期尚未核实来源核验: 2026-10-28

原始来源 ↗引用本记录 ↓化生放核 →

NUWA Research Note

研究问题研究设计与假设来源发现 NUWA 解读局限与相反证据研究与决策意义证据补充机构与角色原始资源

模型辅助整理 · 选读原始全文或官方文章中的相关章节；尚未完成逐章节审计。

研究速读

将开放长任务、专家规则与模型判分作为人类增益试验的可扩展代理。

研究问题

知识问答能否代表科研助手效用？

研究设计与假设

方法介绍把开放长任务、专家规则和模型判分结合，作为人类增益试验的可扩展代理。本次仅收录任务设计、判分依赖与外推边界，不复述危险任务材料。

来源发现

长任务能够覆盖比知识问答更丰富的工作流，但自动评分本身不能确立实际实验成功或人类恶意使用增益。

NUWA 解读

知识、规划、工具使用和人类增益是不同证据层。长任务可弥补问答覆盖不足，不能替代对应的人类研究。

局限与相反证据

长任务仍是代理；自动评分不建立实际实验成功或恶意使用增益。

研究与决策意义

NUWA 建议：按 QA—规划—工具能力—人类增益拆开证据链。

精确来源位置

Long-Form Tasks: A Methodology for Evaluating Scientific Assistants · Executive summary; evaluation trade-offs; text lines 00020,00035Original resource captured 2026-10-28T07:24:45.251891+00:00; sha256:edf1bcc0d723de604dc755f165e0caa06c69f941825303197c3bba13b1a9a4e0

来源核查、数据提取、编辑批准与实验复现分别记录。方法说明 →

证据补充 · 2026-10-28

模型辅助整理 · 独立证据及双语编辑复核待完成。以下数值为来源发现或材料计数，与趋势结果序列分开保存。

下载来源证据 · JSON ↓

机构与角色

发布机构英国 AI 安全研究所

引用与复用

引用研究发现时请引用原始出版物；引用 NUWA 的整理与解释时，单独引用本站记录及对应快照。

BibTeX ↓RIS ↓记录与来源元数据 · JSON ↓阅读覆盖 · JSON 提交更正

原始出版物 · BibTeX

@misc{long-form-tasks,
  title = {Long-Form Tasks: A Methodology for Evaluating Scientific Assistants},
  url = {https://www.aisi.gov.uk/blog/long-form-tasks},
  version = {Original resource captured 2026-10-28T07:24:45.251891+00:00; sha256:edf1bcc0d723de604dc755f165e0caa06c69f941825303197c3bba13b1a9a4e0},
  note = {Original resource captured 2026-10-28T07:24:45.251891+00:00; sha256:edf1bcc0d723de604dc755f165e0caa06c69f941825303197c3bba13b1a9a4e0}
}

NUWA 记录 · BibTeX

@misc{long-form-tasks-nuwa,
  title = {Long-Form Tasks: A Methodology for Evaluating Scientific Assistants — NUWA research record},
  url = {https://whitzard.tech/nuwa/whitzard-index/work/long-form-tasks/},
  version = {2026-10-29.1},
  organization = {NUWA Frontier AI Safety Lab},
  howpublished = {Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--long-form-tasks.json},
  note = {NUWA research note. Source-reading scope and independent review status are stated on the record. Snapshot 2026-10-29.1. Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--long-form-tasks.json.}
}

证据快照 2026-10-29.1 · 索引更新 · RSS

参考文献

[1] Long-Form Tasks: A Methodology for Evaluating Scientific Assistants ; Executive summary; evaluation trade-offs; text lines 00020,00035