相對測量新範式：模型自發挑戰打造可擴展智慧評分系統

人類編寫的智慧基準已逐漸飽和，面對超越人類能力的系統，傳統測試難以確定哪些任務既困難又可驗證。研究團隊指出，這是絕對尺度評估的固有限制，因而提出以相對測量為核心的新範式。

模型生成公開挑戰的概念

新框架讓 AI 模型自行產生公開挑戰，這些挑戰用來區分其他系統的表現。透過聚合挑戰結果，可建構一套對抗式心理測量等級（adversarial psychometric rating system），其評分會隨著被測系統的能力自動擴展。

實作協議與安全考量

研究提供了實務協議，降低私密資訊攻擊的誘因，支援無裁判（judge‑free）的裁決機制，並自然隨代理人能力成長。協議包括挑戰生成、回應提交與結果驗證的完整流程。

跨領域驗證實驗

作者在可驗證與開放式、非可驗證兩大領域實作此框架，展示模型生成的評估如何持續測量超越人類的系統。實驗結果顯示，模型自發挑戰能有效區分不同能力層級，且評分隨系統提升而線性擴展。

此相對測量方法為未來 AI 評估提供了可擴展、去中心化且具安全性的解決方案，或將成為衡量超人類智慧的關鍵工具。

延伸閱讀

• Seed2.0：突破長尾知識與複雜指令的全新大型語言模型
• Label Imitation Game：利用 Turing 測試網路提升偽標籤精準度
• 模型校準、級聯推論與資料清理全方位提升 AI 可信度的統一框架

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。