论文质疑 AI 省时测量：复现 METR 研究得 19%–24% 减速
原文标题：Counting the Bandages: On measuring the time that AI saves
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文区分「秒表视角」与「账本视角」，主张衡量 AI 节省时间必须同时计入被放过的错误。作者用公开数据复现 METR 开发者研究，同样 246 个议题可得出 19% 或 24% 的减速结论，AI 仅在 3%–82% 的议题上有帮助。在 GDPval 全量复核流程中，仅复核时间就把 GPT-5 的加速上限压到 3.6 倍。
- 问题
- AI 节省时间的测量忽略了被放过的错误。
- 方法
- 提出账本视角，用节省时间与逃逸缺陷定义盈亏平衡缺陷成本，并复现 METR 研究。
- 结果
- 同样 246 个议题可得出 19% 或 24% 的减速；GDPval 复核流程下 GPT-5 加速上限 3.6 倍。
- 影响
- 提醒团队评估 AI 编码工具时须计入复核成本，否则会高估收益。
深读 · 结论先行AI 生成展开看要点与影响 ↓
论文复现METR开发者研究：同样246个议题可得出19%或24%的减速，AI仅在3%–82%议题上有帮助。
- •区分「秒表视角」与「账本视角」，主张省时必须与放过的错误一起计，并提出盈亏平衡缺陷成本这一决策数。
- •复现METR开发者研究：同一批246个议题，因估计量不同得出19%或24%的减速，未调整偶然失衡时为34%。
- •AI的帮助范围极不确定，落在3%到82%的议题之间。
- •在GDPval全量复核流程中，仅复核时间就把GPT-5的加速上限压到3.6倍。
- •文中还称前沿之外的顾问更快但更常出错，并在小规模预注册实验中检验模型的两项预测。
为什么重要：对用「省了多少时间」论证AI价值的人：同一份公开数据能得出加速或减速两种结论，忽略复核与漏检成本会系统性高估收益。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。