MissionReport 基准：540 份政府任务报告仅 3 份全达标
Exp_Mark · x · 2026-10-27
micro1ai 与现役及前美国政府和军方专业人士合作推出 MissionReport 基准，测试九个前沿模型能否把工作文件转化为指挥官和高层领导可依赖的任务报告。结果显示：540 份报告中只有 3 份满足全部标准——模型即使事实正确，也可能遗漏敏感政府场景中真正关键的信息（识别、排序与传达指挥官需要知道的内容）。团队认为该方向仍有很大改进空间。
所属事件:MissionReport 基准发布：前沿模型写政府任务报告多数不合格(2 条相关)→
「模型」频道最新
- 网传 Terminal-Bench 4.0 图：GPT-6.1 Terra 以最低成本登顶 — Angaisb_ · 2026-10-27
- GPT-6.1 Terra 全量上线:Plus/Pro/企业/Edu 可用,API 名 gpt-6.1-terra — OpenAI · 2026-10-27
- OpenAI 发布 GPT-6.1 Terra:API 价格较 GPT-5.6 Terra 降 50% — OpenAI · 2026-10-27
- 模型为何泄露信息难有定论，PyTorch 作者：网络安全中动机不重要 — brhydon · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27