基准量

位置：AGI的水平，用于在AGI>的道路上运行进度

我们提出了一个框架，用于分类人工通用识别（AGI）模型及其前体的可行性和行为。该框架引入了AGI的水平，一般性和自主性，提供了一种共同的语言来比较模型，评估风险并衡量沿AGI的进度。为了开发我们的框架，我们分析了AGI的定义，并提炼了六个原则，即AGI有用的本体论应该符合ISFY。考虑到这些原则，我们根据能力的深度（性能）和广度（一般性）提出了“ AGI级别”，并反映了当前系统如何融入该OGY。我们讨论了对未来基准测试的挑战性要求，这些基准量化了针对这些利益方面的AGI模型的行为和能力。最后，我们讨论了这些级别的AGI如何与部署注意事项（例如自主权和风险）相互作用，并强调了精心选择人类互动范式的重要性，以负责对高度强大的AI系统负责和安全地部署。