研究框架

研究提出优质AI基准测试应具备正确性、可解性、可验证性、明确性与挑战性五大特征，强调测试需模拟真实场景并验证结果而非方法。

研究人员提出“阈值超越标准”框架，系统评估前沿语言模型是否实质提升非专业人士策划高危生化核威胁的能力。实证研究发现，模型辅助在放射领域存在确认的助推效应，但其他领域效果有限。