2025年10月10日，歐盟委員會聯合研究中心（JRC）發(fā)布《通用人工智能（GPAI）模型分類框架》報告。作為《歐盟人工智能法案》（以下簡稱《AI法案》）配套的關鍵外部科學研究成果，該報告首次提出一套基于認知能力量化的GPAI模型評估方法論，為法案中GPAI模型的界定、監(jiān)管義務落地提供可操作的技術標準。

《AI法案》于2024年8月1日正式生效，明確將GPAI模型定義為“通過大規(guī)模自監(jiān)督方式訓練、具備顯著通用性、能勝任多種任務且可集成至下游系統(tǒng)的AI模型”，并要求2025年8月2日起，GPAI模型及存在系統(tǒng)性風險的GPAI模型需履行特定合規(guī)義務。然而，法案生效初期，“如何量化通用性”“怎樣判定‘勝任多種任務’”等關鍵問題缺乏技術標準答案。報告核心目標是將《AI法案》中GPAI模型的抽象定義，轉化為可測量、可復現的評估指標，確保監(jiān)管既不阻礙AI創(chuàng)新，又能保障人類健康、安全與基本權利。

框架突破傳統(tǒng)“單一性能指標評估”模式，借鑒認知心理學中的卡特爾-霍恩-卡羅爾（CHC）智力理論，結合AI技術特性，篩選出四大核心認知領域作為GPAI模型評估的核心維度，覆蓋AI通用能力的關鍵場景：

注意力與搜索（AS）：模型在數據流中聚焦關鍵信息、篩選目標內容的能力，是完成信息檢索、任務定位的基礎；

理解與組合表達（CE）：細分為語言理解（CEc）與語言表達（CEe），評估模型對自然語言或語義表征的理解、觀點生成與表達能力，直接關聯文本創(chuàng)作、對話交互等任務；

概念化、學習與抽象（CL）：模型從實例中歸納規(guī)律、通過指令或演示學習、積累不同抽象層級知識的能力，決定其適應新任務的靈活性；

定量與邏輯推理（QL）：包含邏輯推理（QLl）與定量推理（QLq），衡量模型處理數值信息、推導邏輯結論、解決概率與反事實問題的能力，是數學計算、決策分析的核心支撐。

為確保評估公平性，框架特別強調“模態(tài)適配”原則——針對文本、圖像、音頻等不同輸入輸出模態(tài)的 AI 模型，需設計對應模態(tài)的測試任務。例如，文本模型通過文字推理題評估邏輯能力，音頻模型則通過語音指令解析任務驗證同類能力，單一模態(tài)達標即可認定該領域合格。

為了精準衡量模型在四大領域的能力水平，框架引入“帶注釋的需求水平（ADeLe）”評估程序，通過三大步驟實現量化評估：

任務需求標注：基于標準化評分準則，用AI模型（或人工輔助）標注測試任務對四大領域的需求強度，形成“需求譜”。例如，一道數學題可能對“定量推理”需求為“高”，對“注意力與搜索”需求為“中”；

模型能力測繪：讓AI模型完成標注后的測試任務，通過“主體特征曲線”分析模型在不同需求強度下的成功率，以“50%成功率對應的需求水平”作為模型在該領域的能力得分；

通用性綜合計算：提供兩種得分聚合方式——若采用“平均值法”，可通過算術平均（側重整體表現）、幾何平均（平衡各領域）或調和平均（懲罰短板領域）計算綜合得分；若采用“閾值法”，則設定各領域合格線，模型滿足一定數量領域達標即可認定具備通用性。

報告指出，ADeLe方法已通過1.6萬余個高質量任務實例驗證，自動化標注準確率經人類評審校準，預測模型性能的AUROC（受試者工作特征曲線下面積）普遍達到0.85以上，兼顧科學性與評估效率。

為驗證框架有效性，研究團隊對GPT系列、LLaMA系列、DeepSeek-R1-Dist-Qwen系列等主流LLM模型展開測試，得出多項關鍵結論：

算力與能力呈正相關：模型參數規(guī)模、訓練算力（FLOP）越大，四大領域能力得分普遍越高，但不同領域提升速率不同——“理解與組合表達”能力隨算力增長提升較快，“定量與邏輯推理”能力則需更大算力投入才會顯著進步；

閾值設定影響監(jiān)管范圍：若將ADeLe得分3.0設為合格線，較多中小規(guī)模模型（如LLaMA-3.2-11B-Instruct）會被納入GPAI范疇；若提高至4.0，僅GPT-4o、OpenAI o1等頂尖模型符合標準；若設定4.5以上，僅極少數最先進模型達標；

領域達標規(guī)則需靈活：要求“所有領域達標”會過度限制模型（部分優(yōu)秀模型可能因單一領域短板被排除），而“3/4領域達標”的規(guī)則更符合實際，既能保障模型通用性，又能包容合理技術差異。

基于此，報告建議政策制定者根據監(jiān)管目標動態(tài)調整評估參數：若側重風險防控，可提高得分閾值、嚴格領域達標規(guī)則；若鼓勵技術創(chuàng)新，可適當放寬標準，同時定期（如每1-2年）根據AI技術進展更新測試任務與評分準則。

關注“廣東技術性貿易措施”，獲取更多服務。