in-context alignment 主要拉升了前沿模型的难题表现
zakkohane · x · 2026-07-23
这是同一项研究里的补充解读：真正的变化发生在难题对上。
- 图表显示，in-context alignment 对前沿闭源模型在难题上的帮助更大，简单题上提升有限。
- Grok 4.5 在难题对上从 0.28 提升到 0.46。
- Llama 3.3 70B 则几乎没有改善，仍停留在 -0.10 到 0.00，说明开源权重组在任务难点上明显偏弱。
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
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- 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