摘要

  • 主张应区分任务覆盖面与稳健推理、记忆、行动和适应能力。
  • 评估需要陌生任务、变化条件、失败成本以及独立复现。

通用 AI 指跨领域能力，而非在一项窄任务上的卓越表现。现代模型通过一个界面调用大量已学模式，因此看似广泛，但遇到新规则、缺失背景或长时间行动时，广度可能迅速消失。开发者和采购方应公开能力边界、数据污染控制、资源需求和错误后果。下一项有效证据，是由独立方在真正未见过的工作上评估，包括系统应拒绝或交还给人的请求。名称应跟随已经证明的迁移与控制能力，而不是走在证据前面。

来源