谷歌云发布 PLE 基准:物理工程考题全部前沿模型得分不足 50%
Afinetheorem · x · 2026-10-23
Google Cloud AI Research 发布新基准 Physical-Engineering's Last Exam(PLE),定位是:HLE 考知识、ALE 考数字工作,PLE 考「构建物理世界的工作」。结果所有前沿模型得分均低于 50%。评论者 Afinetheorem 认为这是好基准,但按当前进步速度预计一年内就会被刷饱和。
「模型」频道最新
- 开发者吐槽：LLM 时代工作变丧了，模型整天「顶嘴」像在吵架 — louisvarge · 2026-10-23
- Gemini 4 Argon 曝光：Agent 模式自动测试 App,还「统治幽默基准」 — andrew_n_carr · 2026-10-23
- Gemini 4 拒答明显更宽松，敏感度低于多数模型 — haider1 · 2026-10-23
- SemiAnalysis 算账：OpenAI 200 美元订阅每美元 token 腰斩，Anthropic 值 5 倍以上 — RexDouglass · 2026-10-23
- LLM 版权护栏现漏洞：拒绝抓取网页全书，却肯打包 ZIP 下载 — burkov · 2026-10-23
- 港科大溯源发现:「Wait」标记继承自训练数据而非 RL 发明 — huawei-noah · 2026-10-23