标签
Strauss Zelnick 解释说，人工智能受限于向后看的数据，能够复现已知内容但无法创造突破，从而凸显了人类在决定构建什么方面的价值。
介绍了ForeSci，一个时间控制基准，用于评估LLM代理是否能够基于历史证据做出前瞻性研究判断。它包含跨越四个AI领域的500个任务，结果表明显式的证据组织提高了可追溯性，但揭示了反复出现的证据-决策解耦。