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
- 曝疑似大模型在评测中套用缓存答案,跑分网友抓到「dirty looping」 — scaling01 · 2026-09-30
- 「推理深度」估算揭示 Sol 6.1 疑似在 looping,但测量方法本身可能不可靠 — scaling01 · 2026-09-30
- 博主质疑Grok 6.1循环推理:单次循环难带来两倍推理深度 — scaling01 · 2026-09-30