跳到正文
热点事件持续更新

SimpleBench 基准发布:普通参与者得分高于所有受测模型

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

SimpleBench 团队发布了一个面向大语言模型的多选题文本基准 SimpleBench,包含 200 多道覆盖时空推理、社交智能和语言对抗鲁棒性(陷阱题)的题目。团队称,九名普通(高中知识水平)参与者的基线得分为 83.7%,高于所有受测模型,包括得分 81.9% 的 Claude Fable。 据 Hacker News 报道,Astra 6.2 与 Sol 6.2 在该基准上表现不佳。团队还称,这些模型可在 Simple Bench 应用(LMcouncil.ai)上使用。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. Hacker News
    Astra 6.2 与 Sol 6.2 在 SimpleBench 基准上表现不佳

    SimpleBench 是一个面向 LLM 的多选题文本基准,包含 200 多道覆盖时空推理、社交智能和语言对抗鲁棒性(陷阱题)的题目,九名普通(高中知识水平)参与者基线为 83.7%,高于所有受测模型,包括得分 81.9% 的 Claude Fable。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。