Papers74°

OpenAI 报告:Agent 自主完成 2–4 小时任务成功率半年从 23% 升至 46%

Why we picked it

OpenAI 拿自己内部数据说话,统计了 Agent 半年内做长时任务的成败率,还细分到监控训练 79%、写推理代码 25%。想知道 AI 自动做研究到底走到哪一步、哪些活还不能交出去,这份一手数据比猜测靠谱。

OpenAI 发布内部研究报告,统计今年 3 月到 10 月其内部 Agent 在预计需要人类 2–4 小时完成的任务上的表现:无需人工介入的成功率从 23% 提升至 46%。但任务间差异明显,监控训练运行的成功率达到 79%,而编写推理和服务系统代码只有 25%。

Image · AI Will
Body

报告还披露,今年 1–9 月安全与对齐相关的工作量增长 77%,绝对增量在所有研究领域中排第一,说明在自动化研究加速的同时,人类在该方向上的投入反而在扩大。

OpenAI 在报告中呼吁各 AI 实验室持续追踪并公开“AI 帮助研发下一代 AI”的相关指标。这份报告为行业提供了一个可量化的参照:Agent 目前适合承担监控、部分编码等结构化任务,但核心研究方向仍高度依赖人类判断。

Original · AI Will

AI 已经能独立完成不少研究任务,但研发下一代 AI,人类仍然是关键。 OpenAI 公布了一份内部研究报告:从今年 3 月到 10 月,对于预计需要人类花 2–4 小时完成的任务,Agent 无需人工介入的成功率从 23% 升至 46%。 不过,不同任务之间差距很大:监控训练运行的成功率达到 79%,编写推理和服务系统代码则只有 25%。 与此同时,研究人员在安全与对齐上的投入也在增加。今年 1–9 月,相关工作量增长了 77%,绝对增量在各研究领域中最大。 OpenAI 还呼吁,AI 实验室应持续追踪并公开“AI 帮助研发下一代 AI”的相关指标,让外界看清这种加速正在如何发生。 openai.com/index/research…📊 3 ⚡

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Papers" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison and AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include OpenAI, Agent, AI safety, research reports.

Source attribution: curated from AI Will (@FinanceYF5).