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 K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11