AGI 的发展进程该如何科学度量？当前大模型的真实能力又该如何客观评判？近期，谷歌 DeepMind 重磅发布《Measuring Progress Toward AGI: A Cognitive Framework》论文，从认知科学视角搭建 AGI 测评体系，更联合 Kaggle 发起 20 万美元全球挑战赛，旨在破解通用智能评估难题，撕下大模型能力伪装。
从分级到测评：补全 AGI 发展最后一块拼图
早在 2023 年，DeepMind 就推出 AGI 分级框架，将通用智能划分为 5 个性能等级与 6 个自主性等级，为行业确立统一参照标准。但该框架始终存在核心缺口：各级能力该如何精准测量？
此次新论文正是为解决这一问题而生，不再纠结 AGI 的定义争议，聚焦 “如何测评” 这一核心，把 AGI 评估从主观判断推向科学化、标准化轨道，为通用智能发展提供可落地的度量衡。
10 大认知维度：拆解 AGI 核心能力骨架
DeepMind 基于认知科学、神经科学研究成果，构建 AGI 认知分类法，将通用智能拆解为8 项基础能力 + 2 项复合能力，任何一项存在短板，都难以称得上真正的通用智能。
8 项基础认知能力
-
感知：处理视觉、听觉、文本等多模态信息，LLM 的文本感知是 AI 独有的模态能力
-
生成：输出文本、语音、动作，包含指导决策的内部思维生成，评估难度极高
-
注意力：平衡专注度与环境警觉性，合理分配认知资源
-
学习：涵盖概念、强化、语言等六大学习类型，支持部署后持续迭代
-
记忆：包含语义、情景、程序性记忆，主动遗忘过时信息也是关键能力
-
推理：覆盖演绎、归纳、溯因、类比与数学推理，拒绝简单模式匹配
-
元认知：知晓自身知识边界、监测认知状态、调整决策策略，是 AI 可靠性核心
-
执行功能：支撑目标导向行为，包含规划、抑制控制、认知灵活性等高阶能力
2 项复合认知能力
-
问题解决：整合多能力解决流体推理、数学、常识等各类问题
-
社会认知：具备心智理论，掌握合作、谈判等社交技能，同时警惕说服、欺骗等风险能力
三阶段评估协议：精准定位 AI 能力水平
为客观测评 AGI 能力，DeepMind 设计严谨的三阶段评估流程，通过人类基线对比，直观呈现模型能力短板：
-
认知专项评测：任务精准对应单一认知能力，采用保密题库、第三方审计，难度梯度覆盖全场景
-
人类基线采集：选取具有代表性的高中以上成人，在同等条件下完成测试
-
构建认知画像：将模型表现映射到人类分布，生成 10 维度雷达图，避免 “偏科模型” 靠总分掩盖缺陷
旧测评体系失效：两大核心痛点亟待破解
传统 AGI 测评已无法适配当前 AI 发展，核心问题集中在两点：
-
数据污染困境：训练数据泄露测试题，高分仅代表记忆能力，无法体现通用智能
-
测评对象模糊：当前 AI 是可联网、调用工具的完整系统，单一模型测评已失去意义
20 万美金全球挑战赛：聚焦五大测评盲区
DeepMind 发现，元认知、注意力、学习、执行功能、社会认知五大领域测评资源极度匮乏。为此联合 Kaggle 发起黑客松，总奖金 20 万美元，设置单项奖与跨赛道特等奖，鼓励全球开发者打造通用型测评工具，填补 AGI 评估空白。赛事 3 月 17 日开启提交，4 月 16 日截止，6 月 1 日公布结果。
框架之外：AGI 评估仍需关注的关键维度
这套认知框架并非 AGI 测评的全部，DeepMind 也明确了未覆盖但至关重要的维度：
-
处理速度：同等准确率下，响应效率直接决定实用价值
-
系统倾向性：风险偏好、价值对齐等行为特征，关乎 AI 安全部署
-
创造力：认知灵活性等组件已覆盖，但整体创造力难以独立测评
-
端到端部署评估：认知评测与场景实测互补，兼顾能力解析与落地预判
AGI 评估的科学化是通用智能发展的重要里程碑，这套认知框架有望成为行业公共基础设施。未来，谁能率先在 10 大认知维度全面达标，让我们拭目以待。