论文标题：A Definition of AGI
作者团队：人工智能安全中心、加州大学伯克利分校、Morph实验室、密歇根大学等
发布时间：2025年10月21日
👉一键直达论文
👉Lab4AI大模型实验室论文阅读
✅Lab4AI平台提供AI导读和AI翻译等工具，辅助论文阅读。您还可以投稿复现这篇论文~
⭐论文简介
本文旨在提出一个全面、可量化的框架，以澄清AGI的定义，并精确测量AI系统在通用认知能力上与人类的差距。其核心目标是将AGI操作化定义为“能够匹配或超越一位受过良好教育的成年人的认知广度和熟练度”，从而为评估AI系统提供一个坚实、统一的基准。
⭐核心贡献
本文的核心贡献是首次引入了一个基于人类认知心理学经典理论的、系统化的AGI量化评估框架。该框架：
- 提出了一个从0%到100%的标准化“AGI分数”，使不同AI系统的通用智能水平可以相互比较。
- 明确指出AGI不仅仅是经济价值或自动化潜力的代名词，而是专注于认知能力的评估。
⭐研究方法
核心是借鉴并改造用于评估人类智力的心理测量学方法，将其应用于AI系统评估。
- 理论基础：以CHC人类认知能力理论为蓝图，将通用智能分解为10个核心认知领域（广度能力），每个领域权重为10%。
- 评估维度：这十个领域包括：通用知识、读写能力、数学能力、即时推理、工作记忆、长期记忆存储、长期记忆提取、视觉处理、听觉处理和处理速度。
- 操作化：为每个认知领域设计了一系列具体的测试任务（窄能力），这些任务改编自成熟的人类心理测量量表要求AI系统在多模态（文本、视觉、听觉）环境下接受评估。
⭐研究结果
应用框架评估GPT4、GPT5，揭示关键发现：AI呈“锯齿状”认知剖面，知识密集领域表现优、基础认知有缺陷；长期记忆近零是AGI瓶颈，即时/视觉推理亦弱；给出AGI分数，显进步与人类智能差距；模型以优势补弱势，造“通用性”假象，实则脆弱低效。
