scalable-evaluation

本文提出了一种新的范式，用于测量超越人类能力的智能，采用对抗性心理测量评分系统，其中模型生成挑战以区分其他系统，从而实现与AI能力同步扩展的评估。

本文提出了一种基于Fisher信息矩阵谱范数的攻击无关鲁棒性度量，为深度神经网络提供了理论边界和可扩展的评估方法。