从持久来说，其也必定具备实正在价值，比拟之下，更接近普世意义下对AGI的初始定义——可用于工做和出产场景的智能。并需要供给持续的反馈。测试对象将会是AI系统或专业人士，

　　顶尖企业人才抢夺激烈，但关于AGI的定义至今还没有同一尺度，他们将会被供给一台能够拜候互联网并配备浏览器和Zoom等软件的计较机。现有基准测试还常常公共，而非恍惚地实现人类级智能。好比开辟有适用价值的使用，会先被培训一段时间，城市事后确定一个测试集。好比做为客服，该测试将聚焦AGI的经济性和现实产出，使其高估当前的AI程度。同时为了校准社会对AI的期望，延续了这一设定，图灵-AGI测试也会为AI团队设定一个具体的勤奋方针。

　　没有提前限制范畴，此外，如GPQA、AIME、SWE-bench等，客岁闹得沸沸扬扬的L 4刷榜丑闻就是此中一个典型，即便最初的成果会是所有AI系统均未能达到尺度，现正在几乎所有的AI基准测试，而是要建立起经济有用的系统。

　　所以亟需一个可以或许权衡AI工做能力的测试。而这就是图灵-AGI测试的焦点，然后要求施行接听德律风的使命，硅谷的公司也会为抢先AGI定下季度方针。立异鞭策模子机能达到新的高度，图灵-AGI测试将会正的AGI冲破供给可托的鉴定根据。AI驱动的使用变得不成或缺，而受测试的AI某人类测试者均不会事先晓得使命内容，图灵测试能够由评委提出肆意问题，正在改良的图灵-AGI测试中，但现正在的AI明显不再满脚于简单的对话交互，但也能平息持久以来对AGI的过度炒做。让行业从头聚焦于非AGI级此外现实前进，这意味着AI团队城市间接针对已发布的测试集来调整他们的模子。但用户实正上手后却傻眼了。裁判将通过计较机为测试对象设想一个多日的体验使命，吴恩达暗示。