Counting the Bandages：如何衡量 AI 节省的时间

论文主张衡量 AI 节省的时间应看“账本”而非“秒表”，须把省下的时间与放过的错误一并计算。复现 METR 开发者研究显示，246 个 issue 支持 19% 或 24% 的减速；GPT-5 在 GDPval 逐份审查流程中加速上限仅 3.6x。预注册实验中，AI 审查员被告知起草者出错频率比实际低十倍后，9 个数字少查 7 个，22.5% 的简报放过错误数字。