ارزیابی مستقل METR منتشر شده در ۵ نوامبر ۲۰۲۶ نشان می‌دهد شتاب پیشرفت آنتروپیک به نرخ ۱.۹ برابری از اکتبر ۲۰۲۵ رسیده است. تحقیقات به کمک هوش مصنوعی، نه مقیاس‌دهی محاسباتی، به عنوان عامل اصلی این تسریع شناسایی شده، هرچند سانسورهای گسترده امکان بررسی مستقل را از بین برده‌اند.
METR — ارزیاب غیرانتفاعی — بازبینی یازده هفته‌ای خود را در ۲۹ اکتبر ۲۰۲۶ با ۲.۵ نیروی تمام‌وقت تمام کرد. تیم حدود ۱۵ مصاحبه با محققان کلیدی آنتروپیک انجام داد و معیارهای داخلی، متریک‌های پیش‌آموزش و تقویت، و اندازه‌گیری‌های محاسبات آموزشی را مرور کرد. برخلاف تحلیل‌های پیشین که بر انتشارهای عمومی تکیه داشتند، این ارزیابی هر عکس فوری مدل را بر اساس زمانی که اکثر کارکنان به آن دسترسی داشتند تاریخ‌گذاری کرد. این نتیجه هم‌خط با گزارش‌های قبلی است که مصرف داخلی کلود در آنتروپیک ۲۵۰ برابر رشد کرده است.
شواهد معیاری: شاخص AECI
شواهد اصلی از AECI، شاخص قابلیت معیار آنتروپیک، می‌آیند:
- نمرات ۱.۹ برابر سریع‌تر رشد کرده‌اند (بازه اطمینان ۹۵٪: ۱.۵ تا ۲.۸ برابر)
- بررسی‌های استحکام برآوردهای ۱.۱ تا ۲.۹ برابر تحت فرضیات جایگزین دادند
- حساسیت بالا به نحوه نمایش دشواری معیارها آشکار شد
نقش هوش مصنوعی در شتاب
METR شواهد قانع‌کننده‌ای نیافت که رشد سریع‌تر محاسبات آموزشی باعث شتاب شده باشد (جزئیات سانسور شده). عوامل غیرهوش‌مصنوعی در اواخر ۲۰۲۵ نقش داشتند، اما شتاب مداوم را توضیح نمی‌دهند. اثر اصلی از کمک هوش مصنوعی به محققان در کارهای به‌خوبی مشخص شده می‌آید.
شواهد کارکنان هم‌جهت اما ناهمگن بودند:
- مصاحبه‌ها طیف وسیعی در حدود شتاب دوبرابری پوشش دادند
- نظرسنجی‌های غیررسمی ارتقای ۱۲ برابری خود گزارش‌شده بهره‌وری در اکتبر ۲۰۲۶ نشان دادند
- METR هشدار داد: پاسخ‌ها تلاش کمی می‌طلبد و نماینده کل کارکنان نیستند این محدودیت‌ها در تضاد با وعده‌های قبلی آنتروپیک برای باز کردن دسترسی کامل به سیستم‌های داخلی برای بازرسان مستقل قرار می‌گیرند.
نگرانی‌های سنجی و اشباع
چندین عامل تصویر را مبهم می‌کند:
- Model 4 در همه ۱۵ معیار بالای ۵۰٪ نمره گرفت — ریسک اشباع معیار
- Overfitting، مشارکت‌کنندگان غیرهوش‌مصنوعی، یا خط پایه ضعیف می‌توانند برآورد را تورم دهند
- شتاب نادیده‌گرفته‌شده یا رفع سریع‌تر گلوگاه‌ها می‌توانند برآورد را کاهش دهند
- متریک‌های پس از اشباع برای سنجش پیشرفت واقعی ضروری شده‌اند
محدودیت‌های دسترسی و سانسور
تیم ارزیابی دسترسی مستقیم شبیه کارکنان یا نمونه‌برداری از مدل‌های غیرعمومی نداشت. آنتروپیک می‌توانست درخواست‌ها را تایید یا رد کند و مواد را یک‌جانبه سانسور نماید. سانسورها اکثری از شواهد پرمعلومات — تحلیل‌های انتساب به هوش مصنوعی، پیشرفت‌های الگوریتمی، تحلیل گلوگاه‌ها و پیش‌بینی‌ها — را حذف کردند. آنتروپیک این را حفاظت از اطلاعات محرمانه توصیف کرد، اما مبهمی توانایی حوزه را برای بررسی ادعای محوری تضعیف می‌کند.
پیامد برای کارشناسان
پیشرفت‌های معیار در کارهای به‌خوبی مشخص شده به‌صورت تیز رشد می‌کند، اما تمرکز AECI بر کارهای به‌راحتی قابل امتیازدهی به این معنی است که تأثیر در جهان واقعی ممکن است به‌صورت متناسب ردیابی نشود. گلوگاه‌های ترجمه از بهره‌وری فردی به قابلیت سازمانی همچنان وجود دارد.
گفتگو