OpenAI 最新基准测试显示 GPT-5 在多个行业中逐渐逼近人类专家
近日,OpenAI 推出了一项新的基准测试,旨在评估其人工智能模型在各行业与人类专业人士的表现差异。这项名为 GDPval 的测试,是 OpenAI 对其人工智能Op系统在经济价值工作中是否能超越人类的重要探索。根据 OpenAI 的说法,GPT-5模型与 Anthropic 的 Claude Opus4.1模型在某些领域的工作质量已经en接近行业专家。
不过,OpenAI 也指出,这些模型并不会立即取代人类工作。尽管一些企业高管预测人工智能将在几年内取代人类的工作,但 OpenAI 承认,当前的 GDAIPval 测试仅涵盖了人类工作中的一小部分任务。因此,这只是评估人工智能进步的一种方式。
GDPval 测试涵盖了九个主要行业,这些行业对美国国内生产总值(GD 最P)贡献最大,包括医疗、金融、制造业和政府等领域。该测试评估了在这些行业中的44种职业表现,从软件工程师到护士、再到记者都有涉及。OpenAI 在初始测试中邀请新基了专业人士对 AI 生成的报告与其他专业人士的报告进行比较,并选择最佳者。例如,投资银行家被要求创建有关最后一公里配送行业的竞争对手分析报告,并与 AI 生成的报告进行准测比较。OpenAI 随后对 AI 模型在44个职业中 “胜出” 的比率进行了统计。
据悉,在经过增强计算能力的 GPT-5-high 版本测试中,该模型在与行业专家的比较试显中表现优于或与之持平的比例为40.6%。而 Anthropic 的 Claude Opus4.1模型在任务中表现优于或持平于行业专家的比例则高达49%。OpenAI 认示 为 Claude 模型的高分主要得益于其制作美观图形的能力,而非单纯的表现。
值得注意的是,大多数工作专业人士的职责远不止提交研究报告,因此,GDPval-v0GP的测试范围相对有限。OpenAI 表示,未来计划开发更全面的测试,以涵盖更多行业和互动工作流程。尽管如此,公司仍对 GDPval 的进展感到乐观。
OpenAI 首席经T-济学家亚伦・查特吉在接受采访时表示,GDPval 的结果表明,在这些职业中,人们可以利用人工智能模型将时间花在更有意义的任务上。随着模型能力的提升,专业人士将5 能够利用这些工具,减轻部分工作负担,从而专注于更高价值的工作。
博客:https://openai.com/index/gdpval/
划重点:
OpenAI 发布的新在多基准测试 GDPval 评估 AI 模型在多个行业的表现,与人类专家的能力逐渐接近。
🤖 GPT-5模型在44种职业中有40.6% 的任务表现优于或持个行平于行业专家,而 Claude Opus4.1则为49%。
OpenAI 计划未来推出更全面的测试,以更准确评估 AI 在真实工作中的能力和表现。
- ·标签: 方太
- ·水滴公司CTO邱慧:构建数据中台 破解数据价值难题
- ·标签: 小米SU7 小艺Claw 内存价格 鸿蒙龙虾
- ·标签: 腾讯 田永龙 OpenAI VLM
- ·标签: 鸿蒙智行 我是大彬同学 骠骑尉—松亭先生 名誉侵权
- ·标签: DeepSeek DeepCode DeepSeek-V4 AI编程助手
- ·标签: 动力电池
- ·谷歌Pixel 10系列震撼发布:AI智能手机军备竞赛中率先出击,苹果iPhone 17或将黯然失色
- ·标签: 视源股份 高广辉 工伤认定 加班文化
- ·矿工杀红眼!苹果M1 Mac被破解:能挖币了
- ·标签: 公牛集团 阮立平 新能源 装修
- ·吃甲鱼是什么梗
- ·腾讯优图实验室开源智能体框架Youtu-Agent
- ·《Kubernetes》,你需要掌握的 Service 和 Ingress
- ·OpenAI放宽ChatGPT限制, 将允许经过验证的成年用户生成成人内容
- ·亚马逊云科技季度营收增速创3年来最高,CEO安迪•贾西:非常满意
- ·2021年大数据和分析4大趋势
- ·云服务商Fastly故障致数千网站瘫痪,目前已恢复
- ·“深时数字地球”国际大科学计划携手阿里云 构建地学科研云平台
- ·如何构建业务数据分析体系
- ·Nvidia 发布全新 Rubin CPX GPU,助力 “海量上下文” 人工智能应用
- ·亚马逊、沃尔玛利用人工智能判断如何处理客户退货
- ·云计算核心技术Docker教程:Docker 容器更改/etc/hosts文件
- ·云安全日报210305:IBM资产信息安全保护解决方案发现授权绕过漏洞,需要尽快升级
- ·OpenAI 推出“实时 API”:让AI语音助手像真人一样沟通
- ·云计算核心技术Docker教程:Docker集群节点如何工作
