Summary of METR's predeployment evaluation of Claude Opus 5.5

研究问题

任务成绩提高是否意味着研究可以完全自动化？

设计与前提

综合可验证任务、概念评价、访谈及另一个初步内部评估。

研究发现

作者判断能力属于增量提升，尚不太可能完全自动化研究。

研究判断与反馈闭环能力仍有弱点。

局限与反证

本评估团队未取得部分支持材料；另一项加速估计的时间范围不明确。

来源证据

当前阅读包尚无结构化数值提取。