研究者提出智能体评测三层复合效度模型

William Caban 提出并验证了一个知识驱动的三层复合效度模型 V_total ≤ V_1 × V_2 × V_3，用于刻画智能体 AI 评测流程中的效度衰减。该模型将评测效度拆为任务生成（V_1）、人类模拟器校准（V_2）和自动评判（V_3）三个环节，认为三者以乘性方式叠加，任一环节的效度损失都会压低整体效度。 据该研究，这一模型揭示了基准分数存在可靠性衰减的问题，即评测分数未必如实反映智能体能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。