2026-11-04 · Fonte：Unite AI
O AI Index 2026, de Stanford, mostra que os modelos de fronteira avançaram cerca de 30 pontos percentuais no Humanity's Last Exam num único ano, levantando questões sobre se os benchmarks alinhados com tarefas capturam o que efetivamente interessa.
A tabela classificativa de IA entrou num estado de mutação quase constante, com um novo modelo a chegar a cada poucos meses e a reordenar as classificações a cada vez. O ritmo dessa mutação está quantificado no AI Index Report 2026, de Stanford, que concluiu que os modelos de fronteira ganharam cerca de 30 pontos percentuais num único ano no Humanity's Last Exam — um benchmark concebido especificamente para ser difícil para a IA. Saltos de capacidade que outrora exigiam anos de desenvolvimento chegam agora em questão de meses.
No interior da indústria, cada nova pontuação recorde é tratada como prova de que a IA está a melhorar. O autor do artigo não contesta que o progresso seja real, reconhecendo que estes sistemas são notáveis naquilo para que foram construídos. A preocupação reside noutro plano: no que as pontuações demonstram efetivamente e se os benchmarks que estão por detrás medem as coisas certas.
Essa preocupação assenta numa distinção que o artigo traça entre avaliação alinhada com tarefas e avaliação alinhada com humanos. O Humanity's Last Exam foi construído para ser difícil para as máquinas, o que significa que as pontuações crescentes medem o desempenho dos modelos perante um desafio artificial concebido para eles — e não a sua utilidade para as pessoas que, em última análise, os utilizam. O argumento central da peça é que o próximo benchmark da IA deve passar a ser o próprio ser humano, transferindo a avaliação para o alinhamento com as pessoas, em vez da dificuldade voltada para as máquinas.
Para um campo que construiu a sua narrativa de progresso em torno das posições nas tabelas classificativas, o argumento surge num momento decisivo. Se ganhos de cerca de 30 pontos num ano podem ser registados num teste concebido para resistir à IA, a questão premente pode já não ser a rapidez com que os modelos melhoram, mas sim se o critério de medida reflete o que a melhoria deveria realmente significar.
Tags: Stanford AI Index · Humanity's Last Exam · AI Benchmarks · Model Evaluation
萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado