Artificial Analysis V5 智能指数改用更难基准,难度标尺图首度曝光
scaling01 · x · 2026-10-29
Artificial Analysis 在其 Intelligence Index V5 中引入了难度更高的基准。有网友基于 AA 公开数据重构出各基准在 Progress Index 尺度上的难度分布图:MLCR、GDP.pdf(v5)、FrontierCode 2.0(v5)、CritPt v1、HLE-Diamond 等位于最难题榜,而 AIME 2025、LiveCodeBench、MMMU-Pro、GPQA Diamond 已属最简单一档,GPT-4(2024.11)在这套新标尺上已接近零分。此前该作者曾指出 OpenAI 的 RL 优势明显,模型离开推理能力后表现明显下滑。
「模型」频道最新
- 谷歌发布 Gemini 4 Carbon：网络安全与长程任务全面 SOTA — rseroter · 2026-10-29
- LoganK 补充 Gemini 4 Carbon：编码可用性显著提升、对齐更强 — legit_api · 2026-10-29
- Qwen Flash 写科幻小说，先花大篇幅算齐齐奥尔科夫斯基火箭方程 — LankyGuitar6528 · 2026-10-29
- Stanford 团队用 2441 小时儿童视角视频规模化验证跨情境词汇学习 — RichmanRonald · 2026-10-29
- 博主分享 Claude 账号零封禁实操：域名邮箱+自建 IP — vista8 · 2026-10-29
- 博主称 OpenAI Terra 是物理感知的成本质量双重突破 — arnabdotorg · 2026-10-29