Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ
Nghiên cứu nói gì về AI và bài kiểm tra năng suất tại nơi làm việc
Kiểm tra các thí nghiệm thực địa quan trọng về năng suất AI, biên giới công nghệ lởm chởm và lý do tại sao lợi ích đạt được ở phòng thí nghiệm ở cấp độ nhiệm vụ lại khác với kết quả trên toàn công ty.
Câu hỏi 1 của 8
Trong nghiên cứu hỗ trợ khách hàng của Brynjolfsson, Li và Raymond, đại lý nào thu được nhiều lợi ích nhất từ AI?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Trong nghiên cứu hỗ trợ khách hàng của Brynjolfsson, Li và Raymond, đại lý nào thu được nhiều lợi ích nhất từ AI?
- Các đại lý giàu kinh nghiệm nhất
- Đại lý mới vào nghề và có tay nghề thấp hơn
- Chỉ người quản lý
- Đại lý không sử dụng công cụ
- Nghiên cứu Khoa học năm 2023 của Noy và Zhang đã tìm thấy gì về ChatGPT trong các bài viết?
- Nó làm cho việc viết chậm hơn nhưng tốt hơn
- Nó cắt giảm thời gian khoảng 40 phần trăm và nâng cao chất lượng đánh giá lên khoảng 18 phần trăm
- Nó không có tác dụng có thể đo lường được
- Nó làm giảm chất lượng đáng kể
- 'Biên giới công nghệ lởm chởm' mô tả điều gì?
- Ranh giới không đồng đều giữa các nhiệm vụ AI làm tốt và kém
- Thiết kế chip mới
- Mất Internet khu vực
- Mô hình định giá cho các công cụ AI
- Trong nghiên cứu BCG, điều gì đã xảy ra với nhiệm vụ được thiết kế nằm ngoài khả năng của AI?
- Người dùng AI chính xác hơn
- Người dùng AI ít có khả năng nhận được câu trả lời đúng
- Không ai hoàn thành nhiệm vụ
- Kết quả giống hệt nhau
- Thử nghiệm ngẫu nhiên năm 2025 của METR với các nhà phát triển có kinh nghiệm đã phát hiện ra điều gì?
- Họ nhanh hơn khoảng 55 phần trăm
- Họ chậm hơn khoảng 19% trong khi vẫn tin rằng mình nhanh hơn
- Họ đã ngừng sử dụng AI hoàn toàn
- AI đã viết tất cả mã của họ
- Lý do nào mà hướng dẫn đưa ra cho các thử nghiệm cho thấy lợi ích lớn hơn các nghiên cứu trên toàn nền kinh tế?
- Thí nghiệm tách biệt nhiệm vụ phù hợp với AI, trong khi công việc thực tế trộn lẫn nhiều nhiệm vụ
- Các nghiên cứu trên toàn nền kinh tế sử dụng các mô hình mới hơn
- Các thí nghiệm không bao giờ sử dụng ngẫu nhiên
- Công nhân từ chối thí nghiệm AI bên ngoài
- Tại sao hướng dẫn lại cảnh báo không nên dựa vào việc tiết kiệm thời gian tự báo cáo?
- Người lao động luôn cố tình phóng đại chúng
- Những người tham gia METR tin rằng họ nhanh hơn khi phép đo cho thấy họ chậm hơn
- Khảo sát là bất hợp pháp
- Tự báo cáo luôn thấp hơn thực tế
- Các nhà kinh tế so sánh hiệu quả năng suất của AI với mô hình lịch sử nào?
- Sự bùng nổ ngay lập tức từ báo in
- Độ trễ đo lường năng suất sau điện và máy tính
- Sự suy thoái của nông nghiệp
- Chu kỳ thị trường chứng khoán