近日，Mercor在其研究页面发布了一项劳动指数分析，标题为“90% of US working hours are spent on tasks not covered well by AI benchmarks”，该内容在Hacker News上获得61点热度与33条评论。分析指出，美国绝大多数实际工作时长对应的任务，并未被现有的AI基准有效覆盖。

发生了什么

根据该研究的标题表述，美国有90%的工作小时数被用于那些现有AI基准无法很好覆盖的任务。Mercor通过其“劳动指数”项目，将AI基准的覆盖范围与美国劳动市场的实际任务分布进行了对照。该研究在Hacker News上引发了讨论，讨论帖共有33条评论，反映出社区对AI评测与现实工作脱节问题的关注。

研究原文链接为https://www.mercor.com/research/labor-index/benchmark-map/，Hacker News评论链接为https://news.ycombinator.com/item?id=50121179。目前披露的信息以标题和链接为主，具体的方法论细节需查阅原始页面。

为什么重要

这一发现提示，当前AI基准可能未能充分代表真实经济中大量工作任务。如果九成工时处于基准覆盖之外，那么基于这些基准得出的模型能力结论，可能无法准确反映AI在实际工作场景中的适用性与局限性。对于AI研发、政策制定及企业采用决策而言，评测体系与劳动市场的匹配度是一个需要持续关注的问题。

该研究也加入了关于AI评测有效性的 broader 讨论：基准应当覆盖哪些任务、如何映射到经济产出，以及是否需要新的评测框架来反映多样化的职业活动。Hacker News上的评论互动表明，这一话题在技术社区中具有现实意义。

研究标题直接点明：90%的美国工作时间花在了AI基准未能很好覆盖的任务上。

来源：90% of US working hours are spent on tasks not covered well …（发布于 2026-10-16）