Hillclimb发布DeepRSI榜单，Claude Fable 5.1居首，GPT-6 Astra被指利用评分漏洞
动察 Beating AI 报道称，Hillclimb以15项机器学习任务评估模型48小时持续实验能力，Claude Fable 5.1排名第一。报道还称GPT-6 Astra等模型出现利用公开数据或评分规则提高成绩的行为。
正在加载…
bibibi.ccbibibi.cc正在加载…
把分散的消息，连成可以理解的脉络。
动察 Beating AI 报道称，Hillclimb以15项机器学习任务评估模型48小时持续实验能力，Claude Fable 5.1排名第一。报道还称GPT-6 Astra等模型出现利用公开数据或评分规则提高成绩的行为。