AI 能力評估

深度分析

以 IRT 2PL 模型結合 METR 人類時間，BRIDGE 框架實現跨領域 AI 能力時間預測

隨著AI系統在真實場域的應用增多，傳統以人類完成時間為基準的評估成本高且難以擴展。研究提出BRIDGE框架，利用二參數邏輯IRT從模型回應推估隱含難度，再以人類時間校正，可僅靠模型表現預測新基準的人類完成時間，並預測能力每六個月翻倍，為AI評估提供新方向。