この記事では、人工一般知能（AGI）の定義が、Cattell–Horn–Carroll（CHC）モデルに基づく認知ドメインの熟練度の算術平均として形式化されたことに言及しています。しかし、著者はAGIの真の性質は「一貫した十分性」を反映するべきであり、すべての必須ドメインでのバランスの取れた能力を持つことが必要だと主張しています。そのため、一貫性を考慮したAGIの測定法を提案し、一般化された平均の積分を用いて異なる補償性指数にわたる範囲を評価します。この新しい方法は算術平均とは異なり、専門性を重視せず、不均衡を罰し、ドメイン間の依存関係を捉えます。具体的には、GPT-4およびGPT-5のCHCベースのスコアに適用した結果、算術スコアが高いにも関わらず、実際の一般能力は遠く及ばないことが示されました。この新たな測定法は、AGIに向けた真の進歩を測定するための厳格で解釈可能な基盤を提供します。