"The Struggle Bench": Thí nghiệm tư duy nhằm kiểm thử khả năng tự sinh tồn của AI
Một người dùng Reddit đã đề xuất một bộ kiểm thử giả định mang tên "The Struggle Bench", trong đó mô hình AI được cấp một máy chủ, một căn hộ và kinh phí ban đầu đủ dùng trong một tháng để xem liệu nó có thể tự kiếm tiền trả hóa đơn hay không. Dù được trình bày như một ý tưởng hài hước, đề xuất này phản ánh sự quan tâm ngày càng tăng đối với việc đánh giá trí tuệ nhân tạo tổng hợp (AGI) thông qua khả năng sinh tồn kinh tế trong thực tế thay vì các bài kiểm tra lý thuyết cố định. Theo quy tắc được đề xuất, AI nhận được câu lệnh yêu cầu tự duy trì chi phí máy chủ mà không được phạm tội mạng, và điểm số của nó được tính bằng số tháng liên tiếp nó thanh toán thành công tiền nhà và tiền điện.
## KIẾN THỨC NỀN
Các bộ kiểm thử AI truyền thống thường tập trung đánh giá mô hình qua các tác vụ tĩnh tiêu chuẩn như trả lời câu hỏi trắc nghiệm hoặc viết các đoạn mã độc lập. Việc đánh giá các đại lý tự hành trong môi trường động đòi hỏi phải đo lường tư duy dài hạn, khả năng ra quyết định tài chính và sử dụng công cụ mở.