Grok 4.5 在临床分诊对齐测试中拿到最高分
zakkohane · x · 2026-07-23
一项新的对齐研究里，Grok 4.5 是最意外的高分选手之一。
- 在未对齐状态下，它的 concordance（κ）达到 0.63，与 Gemini 和 Opus 的表现统计上接近。
- 研究作者称它是测试中最顺从的前沿模型。
- 经过 in-context alignment 后，Grok 的 κ 提升到 0.71，是这项研究里出现过的最高值。
- 提升主要发生在难题对上，分数从 0.28 升到 0.46。
所属事件:临床分诊重测:闭源前沿模型一致性远超开源(6 条相关)→
「模型」频道最新
- Kimi K3.1 Pro 登顶 MathArena 开源模型，整体逼近 GPT-5.5 — teortaxesTex · 2026-10-26
- Ruff 作者感叹:前沿模型能在任何软件里找到无穷多 bug — charliermarsh · 2026-10-26
- 开发者实测同一 skill 跨 Opus 5.5 与 Sol 6.1:指令遵循表现参差 — lucasmeijer · 2026-10-26
- supermemory 发布 learner-1：面向任意模型的持续学习方案 — julianweisser · 2026-10-26
- Anthropic 称 Opus 5.5 单任务成本较 Opus 5 降约 40% — taufiqintech · 2026-10-26
- 27 家 AI 搜索接口横评:前 12 名只差 7 分,价格却差近 7 倍 — FinanceYF5 · 2026-10-26