多位人工智能与认知科学领域的顶尖学者联合撰写的一篇研究论文，旨在为“人工通用智能”（AGI）提供一个清晰、可量化的定义。当前，AGI缺乏明确标准，导致人们对当前AI与人类智能之间的差距理解模糊。为此，研究团队提出以“达到受过良好教育的成年人在认知多样性与能力水平上的综合表现”作为AGI的定义基准。 为实现这一目标，研究基于Cattell-Horn-Carroll（CHC）理论——目前最经实证验证的人类认知模型，将通用智能拆解为十个核心认知领域，包括推理、记忆、感知、问题解决、语言理解、学习能力等。在此基础上，团队借鉴传统人类心理测量工具，开发出一套适用于AI系统的评估体系，用以系统性测试AI在各项认知能力上的表现。 应用该框架对当前主流AI模型进行评估，结果揭示出当前AI存在显著的“认知不均衡”现象。例如，GPT-4在知识密集型任务中表现优异，但在基础认知能力上存在明显短板，尤其在长期记忆存储与信息整合方面能力不足。研究给出的AGI得分显示，GPT-4的综合认知能力仅相当于人类水平的27%，而GPT-5约为57%。这些数字不仅量化了AI的快速进步，也明确指出了距离真正AGI仍存在巨大差距。 该研究为AGI的发展设定了可衡量的科学标尺，有助于推动AI研究从“功能表现”向“本质智能”演进，为未来AI系统的设计、评估与治理提供坚实基础。