动态智力天花板：衡量人工系统规划与创造力的长期极限

近期人工智能的进展产生了能够在广泛任务上实现卓越性能的系统。然而，这些收益越来越伴随着对长期发展行为的担忧，因为许多系统趋向于收敛于重复的解决方案模式而非持续增长。我们认为，当代人工智能系统的核心限制不在于能力本身，而在于其性能前沿的过早固定。为此，我们提出动态智力天花板（DIC）的概念，定义为在给定时间、当前资源、内部意图和结构配置下，系统可达到的最高有效智力水平。为使此概念可经验地考察，我们提出以轨迹为中心的评估框架，将智力衡量为移动前沿而非静态快照。我们使用两种估计器实现DIC：渐进难度天花板（PDC），捕捉受约束资源下可靠可解最大难度；天花板漂移率（CDR），量化此前沿的时间演化。通过程序化生成的基准测试实现这两种估计器，jointly评估长期规划与结构创造力于单一受控环境。我们的结果揭示了在固定解答manifold内深化开发与维持前沿扩展之间的定性区别。重要的是，我们的框架不主张无限制的智力，而是将限制重新框定为动态且轨迹依赖的，而非静态且过早固定的。