老实说，一个类似消费者报告的强用户小组可能比METR等更适合衡量AI的进展，因为它对波动性更具鲁棒性。 并不是想表现出怀疑，作为一个强用户，我认为在过去几个月里，进展是非常明显的，供你参考。