CritPt 评测被指严重损坏,蚂蚁已在 F5.1 系统卡中用修复版替代
xeophon · x · 2026-09-11
xeophon 在讨论 hard eval 问题时称 CritPt 评测「坏到不能用」(broken),并指出蚂蚁集团在 F5.1 系统卡中披露,其内部使用了一个自行修复的版本替代原版 CritPt。这一信息源于 xlr8harder 发起的一场关于 CritPt 等高难度评测基准问题的讨论。
「模型」频道最新
- Astra 太火：OpenAI 暂停 $200 Pro 新订阅，OpenRouter 支出份额冲上 31% — romainhuet · 2026-09-11
- HighLevel 曝获 OpenAI 疑似新模型 GPT-Live-1 alpha 权限,实测语音通话 — OpenAIDevs · 2026-09-11
- Polymarket 开盘押注 OpenAI GPT-6 Astra 会否被停止公开访问 — Polymarket · 2026-09-11
- 用户实测：GPT-6 Astra 画 SVG 图标表现相当不错 — floguo · 2026-09-11
- 谷歌 AI 搜索「内心戏」外泄：自我纠结毒理会否采信的草稿被晒出 — real_maximpulse · 2026-09-11
- GPT-6 Astra「99.9%饱和」ARC-AGI-3遭拒签：裸考仅62.7分 — 新智元 · 2026-09-11