Epoch AI审计15项基准测试 发现9项存在缺陷
RecodeX 重构消息，Epoch AI对15项用于比较前沿模型的基准测试进行审计，发现其中9项存在缺陷。首批被指出问题的测试包括SWE-bench Verified和Humanity's Last Exam等。
事件追踪 · 持续发展中
Epoch AI基准测试审计
持续追踪Epoch AI基准测试审计相关报道与进展。
关注仅保存在当前浏览器和域名中，无需登录，不会自动跨设备同步。持续追踪Epoch AI基准测试审计相关报道与进展。
关注仅保存在当前浏览器和域名中，无需登录，不会自动跨设备同步。RecodeX 重构消息，Epoch AI对15项用于比较前沿模型的基准测试进行审计，发现其中9项存在缺陷。首批被指出问题的测试包括SWE-bench Verified和Humanity's Last Exam等。