RSI-Exam 排行榜更新:GPT-6-astra 以 0.5126 居首
yuyinzhou_cs · x · 2026-09-19
作者发布 RSI-Exam(测试 AI 智能体能否通过长时间自主实验改进现有方法并泛化到隐藏数据)的排行榜更新,新增 6 个模型。
- 榜首:GPT-6-astra(OpenAI)0.5126;第二名 Fable 5.1(Anthropic)0.4813
- 其后:Qwen3.8 Max 0.3923、Muse Spark 1.3 0.3882、Gemini 3.8 Flash 0.3406、Seed Evolving-0909 0.3243
- 基准包含 6 个领域共 88 个可执行研究任务,衡量智能体在长程自主实验中对方法或 harness 的改进是否泛化到隐藏测试集
- 没有模型达到前沿校准参考线 0.6,递归自我改进(RSI)仍有巨大空间
所属事件:RSI-Exam 排行榜更新:GPT-6-astra 居首，Fable 5.1 空降第二(3 条相关)→
「模型」频道最新
- 圈内人预测 Astra 6.2 明日发布，调侃今天先多用点额度 — bdsqlsz · 2026-11-04
- 实测发现同名 Claude 一天走 Bedrock 一天走 Anthropic 直连 — georgos_pappas · 2026-11-04
- GLM-5.3 去审查版 3 分 41 秒完成红队攻击,原版直接拒绝 — bratton · 2026-11-04
- 腾讯混元发布 Hy4,开源权重即将放出 — heatOverflower · 2026-11-04
- OpenAI 下一代模型成本惊人，网友调侃需要 800B 激活参数 — teortaxesTex · 2026-11-04
- Gemini 拒识一张纯数字截图，图像理解翻车现场 — Regular_Elk4015 · 2026-11-04