MSD / Methodik / RESEARCH EDITION

Neue Werkzeuge, neue Auswahlverzerrung

METR descrive un esperimento di follow-up nel febbraio 2026. Le prove di un lavoro più veloce sono difficili da interpretare a causa della selezione dei partecipanti e dei compiti, nonché dei problemi con la misurazione del tempo.

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

KI & Agenten

Ricerca esterna · Classificazione MSD
Keine Behauptung eines eigenen Versuchs.

01 / EINORDNUNG

Cosa significa questa scoperta.

Grenzen des Nachweises

Gli autori ritengono plausibile un’accelerazione più forte, ma descrivono i dati sull’entità dell’effetto come una prova debole.

La nostra derivazione per un'operazione pilota

Rinnovare il progetto sperimentale dopo i progressi tecnici. Chi rifiuta determinati compiti senza AI modifica il campione esaminato.

Questa derivazione è una raccomandazione editoriale di MSD. Non si tratta di un ulteriore risultato dello studio citato.

Fonte e versione

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

Leggi la fonte primaria ↗

Ricerca esterna, non una referenza di un cliente MSD. Pubblicheremo i nostri esperimenti solo con configurazione, data, misurazioni e tentativi falliti documentati.

02 / LINK

Pensa al futuro. Continua a controllare.

IA e agenti / Risultato contrario / 2025

Quando l’IA allunga il lavoro: il risultato contrario di METR ↗

In un esperimento randomizzato con 16 sviluppatori esperti e 246 attività, strumenti IA di inizio 2025 hanno allungato il tempo di esecuzione del 19 %. I partecipanti ne stimavano l’utilità in modo molto più favorevole.

METR · Esperimento randomizzato
KI & Agenten / Grundlage / 2017

Attenzione: la lingua può essere elaborata in parallelo ↗

Il documento Transformer presenta un'architettura basata sull'attenzione per l'elaborazione delle sequenze. È un elemento metodologico del linguaggio successivo e dei modelli multimodali.

Vaswani et al. · Attention Is All You Need
IA e agenti / Ricerca / 2022

ReAct combina pianificazione e azione linguistica ↗

ReAct esamina come i modelli linguistici possono collegare i passaggi intermedi con le azioni in un ambiente. Gli strumenti forniscono nuove osservazioni per passaggi successivi.

Yao et al. · ReAct