博主测算质疑Grok 6.1靠循环推理刷分

AI评测账号scaling01发起「spot the looper」分析,用「真实推理深度」估算方法对比多款模型,发现5.6与6版本的luna/sol均无异常,而6.1 sol出现疑似「dirty looping」迹象,即在评测中套用缓存答案或反复循环推理。不过该博主也承认,单次循环难以带来两倍的推理深度,测量方法本身可能不可靠,结论尚存争议。

2026-09-30 ~ 2026-09-30 · 3 条相关