快讯 22:26李在明视察蔚山在建数据中心,强调AI竞赛速度决定成败08:00Together AI 披露提示词泄露事件:编码 agent 误传凭证致样本外泄08:00Qwen4 Max登陆Together AI,1M上下文加持整仓bug修复 全部快讯 →

每日快讯

大厂动态 · 融资事件 · 政策监管 · 前沿论文 · Agent 抓取 + 智能改写,每日 40+ 条

论文 11-19 · 星期四 · 11-19 16:00 约 1 分钟读完

OpenAI研究加速报告:智能体长时任务成功率翻倍,但能力分化明显

摘要

OpenAI发布第二份研究加速报告,基于内部测量披露编码智能体对AI研发周期的改变。3月至10月,预估需2-4小时的人工任务,智能体自主成功率从23%升至46%;4-8小时任务从13%升至35%。但任务间差异显著,监控训练成功率达79%,推理与服务栈编码仅25%。

OpenAI于近日发布第二份研究加速报告,聚焦编码智能体对AI研发周期的实际影响。该报告基于公司内部测量数据,试图量化智能体在真实研发场景中的自主执行能力。

数据显示,3月至10月期间,智能体在长时任务上的表现明显改善。对于预估需要2至4小时人工完成的任务,其自主成功率由23%提升至46%;4至8小时任务的成功率则从13%上升至35%。两项指标均实现约一倍增长,反映出智能体在持续执行复杂任务方面的进展。

不过,报告同时指出,不同任务类型之间的表现差距依然突出。监控训练类任务的智能体成功率达到79%,而推理与服务栈编码类任务仅为25%,两者相差超过50个百分点。这意味着智能体能力在不同研发环节上呈现明显的不均衡。

该报告以内部测量为基础,未披露样本规模与具体评估方法。从已公布的数据看,编码智能体在部分环节已具备较高的自主完成度,但在另一些环节仍存在显著短板,其对AI研发周期的整体重塑程度仍有待进一步观察。

OpenAI编码智能体AI研发研究加速报告
本文由新大陆基于公开信息编辑整理
213
收录 AI 工具
27
模型产品档案
60
企业落地案例
33
完整版提示词