90% 的美国工时不在 AI 基准测试范围内
来自 Hacker News · 期号 2026-10-17
摘要
Mercor 发布了一份研究报告，指出当前 AI 基准测试只覆盖了美国约 10% 的工作时长。 这意味着，90% 的工作内容——比如修理设备、面对面谈判、操作叉车——在现有的 AI 能力评估中几乎不被触及。 报告认为，如果 AI 要真正影响生产力，基准测试需要从“模型能答对多少题”转向“模型能完成多少实际工作任务”。 有评论指出，这解释了为什么许多公司觉得 AI 很厉害，但自己的业务效率却没怎么提升。