Anthropic發布TASTE基準測AI研究判斷力

Anthropic推出AI安全研究評測基準TASTE，用來衡量模型能否像研究人員一樣審視提案、辨別問題的重要性並安排研究優先順序。這類判斷涉及資源配置與風險取捨，與模型擅長生成文字或構想不同，也是AI能否可靠參與高階科研決策的關鍵門檻。

Anthropic近日公布測試結果，表現最佳的模型與專家基準一致率僅約60%，多數受測模型更接近隨機猜測。結果顯示，現有AI即使能快速提出研究方向，仍難穩定判斷哪些問題值得優先投入，研究機構若將模型導入提案審查或安全研究規畫，仍需由專家把關。