进行中

Epoch AI 测试:三款模型棋类变体设计不佳

报道
1
信源
1
首次报道
11/18 05:44
最近更新
11/18 05:44

Epoch AI 让模型设计国际象棋变体以测试分布外泛化能力,结果三款模型均未提出真正新颖的规则。GPT-6.2 Astra 只是调换了棋子标签;Fable 5.2 和 Opus 5.5 则直接采用已有的国际象棋变体,却声称是自己发明的。 Epoch AI 称,更强的测试方法需要对规则和获胜条件做出真正新颖、更实质性的改变。

最新进展GPT-6.2 Astra 棋类变体测试表现引质疑

热度48 小时内每个独立信源只算一次,24 小时减半

48 小时参与信源
1
6 小时新加入
0
24 小时新报道
1
热点排名
—

热度曲线会在事件持续一段时间后出现。

事件进展1 个阶段

全部报道1 篇

  • GPT-6.2 Astra 棋类变体测试表现引质疑

    当被要求设计国际象棋变体以测试分布外泛化能力时,GPT-6.2 Astra 只是调换了棋子标签。Fable 5.2 和 Opus 5.5 则使用了已有的国际象棋变体,却声称是自己发明的。 测试分布外泛化能力的更强方法,涉及对规则和获胜条件做出真正新颖、更实质性的改变。

    Epoch AI

#推理能力#论文研究#评测基准