热点事件持续更新
研究提出 PAYWORTHY 基准评估 LLM 预测智能体任务表现能力
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年11月5日，arXiv cs.AI 发布针对大语言模型预测能力的研究，提出 PAYWORTHY 基准。该基准包含 1494 个真实自由职业任务，旨在测试 18 个大语言模型能否预先预测 AI 智能体能否成功完成工作。实验结果显示，当明确告知智能体的能力局限时，模型能进行有效预测，AUC 达到 0.66 至 0.86；但如果仅对其功能进行笼统描述，模型的预测表现则接近随机水平，AUC 仅为 0.45 至 0.56。报道指出，该结论在 Claude、GLM、Kimi 和 Qwen 等裁判模型评估下均成立。
AI 根据报道生成 · 6 小时前更新
最新进展11月5日 13:00
研究团队发布 PAYWORTHY 基准，实验表明明确能力局限时 LLM 可有效预测智能体能否完成任务。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIPAYWORTHY：大语言模型能否预测 AI 智能体可完成哪些自由职业任务？
PAYWORTHY 基准包含 1494 个真实自由职业任务，测试 18 个大语言模型能否预先预测 AI 智能体能否成功完成工作。实验显示，明确告知智能体能力局限时模型能有效预测（AUC 达 0.66-0.86）；仅笼统描述其功能时表现则接近随机（AUC 0.45-0.56）。该结论在 Claude、GLM、Kimi 和 Qwen 裁判下均成立。
本事件热度走势
当前热度 8·可比范围峰值 9（11月5日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。