Я хотел бы, чтобы люди с оптимистичными временными рамками по AGI в Anthropic старались больше аргументировать свои позиции на публике. Есть как минимум некоторые люди, которые восприимчивы к разуму и аргументам и действительно заботятся о том, будет ли исследование и разработка ИИ полностью автоматизировано через 1-2 года!

Насколько хорошо LLM могут рассуждать без цепочки размышлений (в рамках одного прямого прохода)? Я оцениваю временной горизонт без цепочки размышлений по математическим задачам и обнаруживаю, что у Opus 4.5 временной горизонт составляет 3,5 минуты (предостережение: человеческие временные оценки являются лишь приблизительными). Смотрите пост для получения дополнительной информации:

Похоже, что Opus 4.5 запомнил MATH от Hendrycks (включая тестовый набор) и все предыдущие AIMEs тоже. Модель получает около 80-90% правильных ответов, когда выдает число сразу, без какого-либо обоснования. Это раздражает при экспериментах с математическими наборами данных...