Sondajele republicane realizate de un sondaj republican arată că republicanii ar avea mult mai mult succes electoral dacă ar susține reglementările privind IA, în loc să se opună acestora.

METR nu este 100% "sigur", dar rămâne unul dintre cele mai valoroase repere deoarece este condus de o echipă competentă, bine dotată cu resurse, care include multe sarcini diverse ce nu sunt disponibile public pentru instruire. Alte benchmark-uri pot fi "manipulate" de AI-uri care cunosc răspunsurile dinainte (rezolvate prin seturi private de reținere) sau fac RL la sarcini (rezolvate prin diversitatea sarcinilor). ... Benchmark-urile pot, de asemenea, să fie defectuoase în anumite moduri (de exemplu, SWE-Bench original înainte de "SWE-Bench Verified" avea unele probleme accidental de nerezolvat). Cred că diferite repere se încadrează în niveluri. METR pare o evaluare standard de aur de nivel 1. ARC-AGI și FrontierMath nu sunt nici ele atât de rele, probabil ca Tier 2. SWE-Bench pare puțin mai puțin important de analizat când ai deja METR. Îmi doresc cu disperare mai multe repere de top, în afara matematicii și ingineriei. Sunt entuziasmat de ARC-AGI-3 (cel pentru jocuri video).