热点事件观察中

SO-Arena 基准发布，评测 System One 模型可靠性

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

研究者 Lichen Li 等人发布 SO-Arena 基准，从能力谱系与决策可靠性两个维度评测 System One 模型，覆盖 11 个领域和五类能力。除准确率外，该基准还考察选项集受控变化下的决策稳定性，以及无有效选项时识别缺失答案的能力。对 21 个模型的评测显示，规模扩展与额外推理带来的收益因领域差异明显；整体表现最强的 System One 模型在可靠性上仅排第七。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

SO-Arena：评测 System One 模型能力谱系与决策可靠性的基准

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
SO-Arena：评测 System One 模型能力谱系与决策可靠性的基准
研究者推出 SO-Arena 基准，覆盖 11 个领域和五类能力，从能力谱系与决策可靠性两个维度评测 System One 模型。除准确率外，它还考察选项集受控变化下的决策稳定性和无有效选项时的缺失答案识别能力。对 21 个模型的评测显示，规模扩展与额外推理的收益因领域差异明显，整体表现最强的 System One 模型在可靠性上仅排第七。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。