AI能力评估现分歧：指标选择将决定技术普惠方向

随着计算规模持续指数级增长，一个关键问题浮现：尖端AI模型的能力是否会与固定预算开发者的可及性渐行渐远？还是说各类模型的能力终将趋同，让“温和模型继承天下”？arXiv最新研究（编号2607.00913v1）基于Gundlach等人的前期工作指出，答案完全取决于我们如何评估和衡量AI能力。

研究团队系统分析了传统性能指标，发现验证损失显示模型间差距正在缩小，但其他指标却显示尖端模型的领先优势将持续扩大。通过根据训练（及推理）计算量的函数形式对性能指标进行分类，研究给出了严格的数学条件，用以判断哪些指标有利于温和模型——结果显示，有界性能指标总是倾向于这一结论。

然而，对性能指标的解读需要格外谨慎：研究发现，许多常见的有界指标都存在密切相关的无界对应指标（反之亦然）。在特定领域选择恰当的评估指标已成为政策制定的前提，因为有界和无界指标可能指向完全相反的政策应对方向。

例如在软件工程、合成生物学或修辞说服力等领域，如果我们关心的能力指标是无界的，那么尖端能力很可能集中在少数资源雄厚的机构手中；反之，若该能力指标是有界的，尖端能力将通过温和模型扩散到广大开发者群体中。这项研究警示，AI治理与资源分配决策必须建立在对其能力评估体系的深刻理解之上。