纯规划测试中 OpenAI 模型登顶并包揽前三

AI 评测博主 scaling01 测试了 LisanBench 去除知识召回与图构建组件后的纯规划子任务：模型拿到由 100 个词构成的图，需从给定起点找出最长简单路径，被视为最接近纯规划能力的测量。结果显示 OpenAI 模型登顶且前三名均为 loopers。他表示应把旧版 LisanBench 论文发布出来，相关结论此前在去除知识组件的任务上同样成立。

2026-10-25 ~ 2026-10-25 · 2 条相关