AA-Briefcase 评测维度与 Grok 4.5 表现
ArtificialAnlys · x · 2026-07-10
AA-Briefcase 将模型表现拆成三个维度：正确性、分析质量和呈现质量，并合成为一个 Elo 分数。
在这套评测里，Grok 4.5 得到 1328 分，主要靠客观判题和分析质量表现突出，但在呈现质量上相对弱一些。
所属事件:Grok 4.5 发布主打编程与低价(61 条相关)→
「研究」频道最新
- SimInfinity 机器人仿真基准将开源 1 万个真实场景仿真任务 — joemeno · 2026-10-18
- 论文：LLM 竞价采购平台可省 10%-71% 推理成本 — _onionesque · 2026-10-18
- Meta 论文提出「Agent Plasticity」:最强 agent 未必是最高效学习者 — rohanpaul_ai · 2026-10-18
- SAE 权重编辑让机器人听话,IIIT 海得拉巴论文入选 IJCAI 安全物理 AI 工作坊 — ponguru · 2026-10-18
- 南洋理工发布具身智能 Affordance 学习综述，系统梳理近 200 篇研究 — jiqizhixin · 2026-10-18
- 14.3M 参数通用决策引擎 vega-U：冷接任意冻结 LLM 最高达 0.811 准确率 — kalyan_kpl · 2026-10-18