AISI发布长格式任务评估方法

2026年10月7日，英国 AI 安全研究院（AISI）发布 Long-Form Task（LFT）长任务评测方法。据 AISI 博客，该方法要求模型生成解决科学任务的分步方案，再由专家撰写评分标准的 LLM 自动评分器打分，定位为人类增益研究（HUS）的可规模化替代方案，用于评估模型在科学场景中向用户提供有用指导的能力。AISI 表示，设计该方法的背景是希望获得可大规模使用的有用性评估手段。目前报道仅介绍方法本身，未披露具体任务集、评分器细节或评测结果。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。