MSD / Methodik / RESEARCH EDITION

Neue Werkzeuge, neue Auswahlverzerrung

METR décrit une expérience de suivi en février 2026. Les preuves d'un travail plus rapide sont difficiles à interpréter en raison de la sélection des participants et des tâches ainsi que de problèmes de mesure du temps.

Jetzt eintauchen ↓RECHERCHESTAND 12.11.2026 · FAKTEN + EINORDNUNG + SZENARIEN
RESEARCH NOTE / 2026Methodik

KI & Agenten

Recherche externe · Classification MSD
Keine Behauptung eines eigenen Versuchs.

01 / EINORDNUNG

Ce que signifie cette découverte.

Grenzen des Nachweises

Les auteurs considèrent qu’une accélération plus forte est plausible, mais qualifient les données sur l’ampleur de l’effet de preuves faibles.

Notre dérivation pour une opération pilote

Renouveler la conception expérimentale après des sauts techniques. Quiconque refuse certaines tâches sans IA modifie l’échantillon examiné.

Cette dérivation est une recommandation éditoriale de MSD. Il ne s’agit pas d’un autre résultat de l’étude citée.

Source et version

METR · Methodenupdate 24.02.2026 · Publikations-/Bezugsjahr 2026. Recherchiert am 12.11.2026.

Lire la source principale ↗

Recherche externe, et non référence d’un client MSD. Nous ne publierons nos propres essais qu’avec leur dispositif, leur date, leurs mesures et les tentatives infructueuses documentées.

02 / LIENS

Pensez à l'avance. Continuez à vérifier.

IA et agents / Résultat contradictoire / 2025

Quand l’IA allonge le travail : le résultat contradictoire de METR ↗

Dans un essai randomisé impliquant 16 développeurs expérimentés et 246 tâches, les outils IA du début 2025 ont allongé le temps de réalisation de 19 %. Les participants en estimaient le bénéfice nettement plus favorablement.

METR · Essai randomisé
KI & Agenten / Grundlage / 2017

Attention : la langue peut être traitée en parallèle ↗

L'article Transformer présente une architecture basée sur l'attention pour le traitement des séquences. Il s’agit d’un élément méthodologique des modèles linguistiques et multimodaux ultérieurs.

Vaswani et al. · Attention Is All You Need
IA et agents / Recherche / 2022

ReAct combine planification linguistique et action ↗

ReAct examine comment les modèles de langage peuvent relier les étapes intermédiaires aux actions dans un environnement. Les outils fournissent de nouvelles observations pour les étapes suivantes.

Yao et al. · ReAct