GPT-5.6 Sol在ARC-AGI-3仅得7.8分?真凶不是模型,而是你忽视的测试架设置

3个月前 高效码农

GPT-5.6 Sol 在 ARC-AGI-3 上只有 7.8 分,问题出在测试架而不是模型 打开 ARC-AGI-3 排行榜的时候,我们内部的第一反应是困惑。GPT-5.6 Sol 已经解开了数学中 …

OpenBench评测工具:一文掌握语言模型评估全流程

1年前 高效码农

深入解读 OpenBench:一站式语言模型评测基础设施 OpenBench 是一款面向研究者和开发者的开源评测工具,旨在为大规模语言模型(LLM)提供统一、可复现的基准测试流程。无论你使用哪家模​型 …

突发:IMO2025最难第五题仅2大模型全对,AI推理能力暴露出致命短板?

1年前 高效码农

2025 国际数学奥林匹克大模型答卷实录:谁把最难的第五题做对了? IMO 2025 考场一角 每年盛夏,国际数学奥林匹克(IMO)都会吸引全球目光。2025 年也不例外,六道题目再次让无数数学爱好者 …