Upwork 开源 PAYWORTHY：测 LLM 能否预判自由职业任务可完成性
原文标题：PAYWORTHY: Can LLMs Predict Which Freelance Jobs an AI Agent Will Complete?
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。
Upwork 团队提出 PAYWORTHY 基准，含 1494 条真实自由职业任务帖，测试 18 个前沿模型能否在智能体尝试前预判任务能否被完成。结果显示：若告知智能体的能力边界，各模型排序能力良好（AUC 0.66–0.86）；若只说是带浏览器和代码执行的通用智能体，排序接近随机（0.45–0.56）。代码已开源。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Upwork 用 1494 条真实任务测 18 个模型预判任务可完成性，告知能力边界后 AUC 0.66–0.86，否则接近随机。
- •基准含 1494 条真实自由职业任务帖，采样自 2020–2026 年 1880 万条帖子。
- •告知智能体「不能做什么」时，18 个模型排序 AUC 为 0.66–0.86。
- •仅描述为带浏览器和代码执行的通用智能体时，AUC 降至 0.45–0.56，接近随机。
- •结论在 Claude、GLM、Kimi、Qwen 四个评审模型家族下均成立。
- •代码已在 GitHub 开源（upwork/Payworthy）。
为什么重要：说明模型预判任务可行性高度依赖对智能体能力边界的明确描述，对搭建任务路由与接单筛选的团队有直接参考价值。
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。