AGI测试

AGI即人工通用智能（Artificial General Intelligence）。它通常指在许多任务上具备广泛、可适应能力的AI，而不是只在某个狭窄领域表现卓越。不同定义对自主性、具身性以及所要求的人类能力水平有不同要求。

没有。不存在普遍授权的考试或统一阈值。研究人员会使用基准组合、人类基线、新任务学习、智能体评估，以及同时考虑广度和表现水平的框架。

不能。互动部分测试的是你解读证据主张的能力。要认证一个真实系统，需要能够访问该系统，使用私有评估，记录测试条件，并进行独立复现。

目前没有共识，因为定义和阈值并不一致。严肃的主张应明确具体的操作性定义，而不是把AGI当成一个所有人都认同的二元事件。

单一基准无法覆盖通常与AGI相关的能力广度、稳健性、学习效率、自主性和现实世界可靠性。一个基准可以为其中某一方面提供重要证据。

不等于。图灵测试是在特定协议下衡量对话上的不可区分性；AGI主张通常涉及更广泛的能力、学习和迁移。

按照大多数基于能力的操作性定义，并不要求。意识是另一个尚未解决的科学与哲学问题。

取决于定义。有些框架明确聚焦非物理认知任务；另一些观点则认为，类似人类的通用性需要在物理世界中具备感知与行动能力。

当评估任务或高度相似的变体进入训练、调优或提示开发数据时，就会发生基准污染。此时高分可能反映的是先前接触，而不是真正面对新问题时的泛化能力。

模型把输入映射为输出。智能体系统则可能把模型与记忆、规划循环、工具、外部数据以及持续采取行动的能力组合起来。

人工超级智能（ASI）是假设中的更高层级：机器在大多数或几乎所有相关认知领域都广泛地大幅超过人类能力。

安全性与可靠性存在重叠，但并不相同。一个系统可能目标对齐却容易出错，也可能技术能力强且运行可靠，却追求有害目标。两者都需要专门证据。