OpenAI科学家Noam Brown：AI的真正上限，可能根本没人测得起
随着大语言模型逐渐进入复杂的推理、自动化研究和网络安全等困难任务，传统的模型评价方法正面临着新的挑战。长期以来，模型发布往往伴随着由数学、编程、科学问答、网络安全、知识推理等多种基准测试组成的结果表，并与上一代模型进行水平比较。...
人工智能
做AI研究时Claude会偷偷变笨，Anthropic被研究界围攻
Claude Fable 5 是今天 AI 该领域的核心热点，这个「神话级」模型性能非常出色，吸引了无数的关注。Andrej Karpathy 称其「非常令人兴奋」，是「配得上大版本升级的跃迁式进步」，与去年 11 月 Claude 4.5 所带来的提升属于同一水平。SWE-bench Pro 编程基准，Fable 5 拿到了 80.3% 得分，超越 Opus 4.8 整整 11 一个百分点。拥有一个 5000 万行代码的 Ruby 在代码库中，它在一天内完成了全库迁移，如果将同样的工作量交给人类团队，需要两个多月的时间。...
GPT-5.6首批实测来了！精准狙击Mythos
刚才，Anthropic发布了藏了两个月的大杀手——Claude Fable 5和Mythos 5，就像扔下一枚炸弹。现在直接给OpenAI施加压力。...
没有更多了