2025年10月10日，欧盟委员会联合研究中心（JRC）发布《通用人工智能（GPAI）模型分类框架》报告。作为《欧盟人工智能法案》（以下简称《AI 法案》）配套的关键外部科学研究成果，该报告首次提出一套基于认知能力量化的GPAI模型评估方法论，为法案中GPAI模型的界定、监管义务落地提供可操作的技术标准。

《AI 法案》于2024年8月1日正式生效，明确将GPAI模型定义为 “通过大规模自监督方式训练、具备显著通用性、能胜任多种任务且可集成至下游系统的 AI 模型”，并要求 2025年8月2 日起，GPAI 模型及存在系统性风险的GPAI模型需履行特定合规义务。然而，法案生效初期，“如何量化通用性”“怎样判定‘胜任多种任务’” 等关键问题缺乏技术标准答案。报告核心目标是将《AI 法案》中GPAI模型的抽象定义，转化为可测量、可复现的评估指标，确保监管既不阻碍 AI 创新，又能保障人类健康、安全与基本权利。

框架突破传统“单一性能指标评估”模式，借鉴认知心理学中的卡特尔-霍恩-卡罗尔（CHC）智力理论，结合 AI 技术特性，筛选出四大核心认知领域作为GPAI模型评估的核心维度，覆盖 AI 通用能力的关键场景：

注意力与搜索（AS）：模型在数据流中聚焦关键信息、筛选目标内容的能力，是完成信息检索、任务定位的基础；

理解与组合表达（CE）：细分为语言理解（CEc）与语言表达（CEe），评估模型对自然语言或语义表征的理解、观点生成与表达能力，直接关联文本创作、对话交互等任务；

概念化、学习与抽象（CL）：模型从实例中归纳规律、通过指令或演示学习、积累不同抽象层级知识的能力，决定其适应新任务的灵活性；

定量与逻辑推理（QL）：包含逻辑推理（QLl）与定量推理（QLq），衡量模型处理数值信息、推导逻辑结论、解决概率与反事实问题的能力，是数学计算、决策分析的核心支撑。

为确保评估公平性，框架特别强调“模态适配”原则——针对文本、图像、音频等不同输入输出模态的 AI 模型，需设计对应模态的测试任务。例如，文本模型通过文字推理题评估逻辑能力，音频模型则通过语音指令解析任务验证同类能力，单一模态达标即可认定该领域合格。

为了精准衡量模型在四大领域的能力水平，框架引入“带注释的需求水平（ADeLe）”评估程序，通过三大步骤实现量化评估：

任务需求标注：基于标准化评分准则，用 AI 模型（或人工辅助）标注测试任务对四大领域的需求强度，形成 “需求谱”。例如，一道数学题可能对 “定量推理” 需求为 “高”，对 “注意力与搜索”需求为“中”；

模型能力测绘：让AI模型完成标注后的测试任务，通过“主体特征曲线”分析模型在不同需求强度下的成功率，以“50% 成功率对应的需求水平”作为模型在该领域的能力得分；

通用性综合计算：提供两种得分聚合方式——若采用“平均值法”，可通过算术平均（侧重整体表现）、几何平均（平衡各领域）或调和平均（惩罚短板领域）计算综合得分；若采用“阈值法”，则设定各领域合格线，模型满足一定数量领域达标即可认定具备通用性。

报告指出，ADeLe 方法已通过 1.6 万余个高质量任务实例验证，自动化标注准确率经人类评审校准，预测模型性能的 AUROC（受试者工作特征曲线下面积）普遍达到 0.85 以上，兼顾科学性与评估效率。

为验证框架有效性，研究团队对GPT系列、LLaMA系列、DeepSeek-R1-Dist-Qwen系列等主流 LLM 模型展开测试，得出多项关键结论：

算力与能力呈正相关：模型参数规模、训练算力（FLOP）越大，四大领域能力得分普遍越高，但不同领域提升速率不同——“理解与组合表达”能力随算力增长提升较快，“定量与逻辑推理”能力则需更大算力投入才会显著进步；

阈值设定影响监管范围：若将 ADeLe得分3.0设为合格线，较多中小规模模型（如 LLaMA-3.2-11B-Instruct）会被纳入GPAI范畴；若提高至4.0，仅 GPT-4o、OpenAI o1等顶尖模型符合标准；若设定4.5以上，仅极少数最先进模型达标；

领域达标规则需灵活：要求“所有领域达标”会过度限制模型（部分优秀模型可能因单一领域短板被排除），而“3/4 领域达标”的规则更符合实际，既能保障模型通用性，又能包容合理技术差异。

基于此，报告建议政策制定者根据监管目标动态调整评估参数：若侧重风险防控，可提高得分阈值、严格领域达标规则；若鼓励技术创新，可适当放宽标准，同时定期（如每1-2 年）根据AI技术进展更新测试任务与评分准则。