Anthropic 研究员设「白鲸」基准测试 AI 找回旧小说能力

Anthropic 研究员 tracewoodgrains 提出一个非主流模型基准：让 AI（或人类）凭借他的模糊记忆，找回一篇约 2008 至 2013 年间在网上读过一次的科幻短篇（内容涉及外星人把所有故事分类入库）。这篇小说被他称为自己的「白鲸」，多年反复寻找未果，他自嘲像西西弗斯一样一次次尝试。他用这一另类测试来检验 Claude Opus 5.5 的信息检索与推理能力。

2026-10-15 ~ 2026-10-15 · 2 条相关