AA-Briefcase 的评测方法与结果
ArtificialAnlys · x · 2026-07-10
AA-Briefcase 用三项指标评估模型：基于事实的正确性检查、分析质量的配对评分，以及呈现质量的配对评分。
综合来看，Grok 4.5 的 AA-Briefcase Elo 为 1328，在非 Anthropic 模型中居首，主要优势在客观判题和分析质量。
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
- 用哥德尔 β 函数在皮亚诺算术里编码图灵机纸带 — jessi_cata · 2026-10-18
- 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