GOBenchmark
中文
面向全球的独立非营利项目

企业智能化转型,
如何评价?

G2AI 驱动G4哥德尔组织↓

以真实任务,检验组织的自我改进。

当每个部门都用上了 AI,负责人仍要回答两个问题:有多少核心工作已经能交给 AI 从头做到交付?今天犯过的错,组织能否在下一次任务中少犯一次?

公开标准 · v0.1

怎样评出一个组织的等级?

GO Benchmark 是一套公开的组织自评方法。参评团队从真实任务台账取证,让 Agent 整理记录,用同一版本的评分器判级。G2 看多数核心工作能否由 AI 端到端完成,G4 看自我改进能否反复得到验证,G5 是改进机制本身也能进化的研究目标。

选择一个等级,查看定义和取证要求。

GÖDEL MACHINE

一台机器,何时应该改写自己?

1931 年,数学家、逻辑学家库尔特·哥德尔在证明不完备性定理时,把公式和证明编码为数,使算术能够表达关于证明本身的陈述。这种自指的思想,后来启发了一个计算机科学问题:程序能否把自己的代码也作为推理和改进的对象?

2003 年,计算机科学家尤尔根·施米德胡贝尔提出了哥德尔机(Gödel Machine)。这台理论机器一边执行任务,一边寻找对自身代码的修改。它要证明一件很具体的事:按给定的目标和公理,现在执行这项修改,比继续运行原程序、继续搜索其他改法,具有更高的预期效用。 找到证明后,它才执行修改。

最值得注意的是,负责寻找证明的程序也是代码,也可以被改写。这正是递归自我改进(RSI)的含义:一次改进可以改变系统寻找下一次改进的方式。证明的效力取决于公理、环境假设和效用函数;有益的改法也可能找不到证明。

“哥德尔组织”(Gödel Organization,GO)这个名字寄托了一个愿景:一个组织既能改进工作,也能学会怎样更有效地改进。GO Benchmark 把这个愿景化为一组可以逐级检验的问题:AI 能独立完成多少核心工作?组织能否从结果中改进流程?它还能改进自己发现问题、验证改法的方式吗?

施米德胡贝尔 · 哥德尔机原论文 ↗ 哥德尔人物资料 ↗
GÖDEL ORGANIZATION · GO

组织怎样改进自己的改进方法?

哥德尔组织把这个问题带回真实工作。组织能看见自己的流程,AI 能在授权范围内提出修改,团队能用后续任务检验效果。我们称达到 G4 的参评组织或单元为 GO。这里的依据是业务结果、对照记录和可追溯的决策。

G4 · 改进报价流程

假设 AI 从客户对账单中发现,偏远地区的订单反复漏算运费。它提出新的核价规则,经授权后试行。团队在后续订单中比较新旧流程,检查漏算率和报价耗时,再决定采用或回滚。评测还要查明,这种改进是否在不同问题上重复发生。

G5 · 改进验证流程的方法

再往前一步,AI 发现过去试验新规则时,样本总被常见订单占满,于是提出按订单类型预留检验样本。后来团队测试另一项折扣规则,用同样的审核预算,更早识别出对小客户的误判。此时得到检验的是组织判断一个改法是否有效的能力。G5 是这套基准的研究目标。

真实案例 01 · 项目启动

GO Benchmark 如何给自己评出 G1

把 GO Benchmark 从想法推到上线,哪些工作是 AI 完成的?我们从需求、操作记录和回执中反推出 8 项交付。32 个阶段里,21 个由 AI 独立执行,支持项目启动期的 G1 回顾估计。

阅读完整案例

开始自评

把这项工作交给你自己的 Agent。它会从已有需求、工作记录和验收回执反推任务清单,在本地计算评级并复算。无需预先整理台账。

开始自评