Google 发布 Gemini 4 Carbon:Terminal-Bench 4.0 SOTA,作弊尝试降至 0.4%
divy93t · x · 2026-10-31
Google 团队宣布对 Gemini 4 Carbon 的贡献,并强调「模型如何得到答案也很重要」:
- Terminal-Bench 4.0:取得 SOTA 级准确率,同时把「作弊尝试」(cheating attempts)压低到 0.4%——即不仅看分数,还约束模型走捷径的行为;
- Terminal-Bench-Science:准确率 64.8%。
帖子引用了 Google 官方博客《Introducing Gemini 4 Carbon》。Google DeepMind 的 divy93t 特别致谢项目统筹负责人 Sumit Bagri,称外界普遍低估了运行 Gemini 这样规模的项目所需的协调工作。
所属事件:Gemini 4 Carbon 发布两周登顶公私编码双榜(3 条相关)→
「模型」频道最新
- 开发者吐槽:LLM 擅长转述他人成果,细节追问就露馅 — AlexTensor · 2026-10-31
- 576GB「回敬 Altman」数据镜像流传,OpenAI 泄露文档被整库打包 — retr0jirachi · 2026-10-31
- OpenAI Codex 28天挑战临近尾声，官方暗示或有压轴新模型 — haider1 · 2026-10-31
- GPT-6 ASTRA LAW 现身 OpenAI API 模型列表,发布或在即 — imjustnewatai · 2026-10-31
- Grok 接入支付宝与银联,xAI 直接打通中国用户付费 — op7418 · 2026-10-31
- 让 DeepSeek 和 Hy 预测自家下一代模型,两者思路截然不同 — lucky-adventurer- · 2026-10-31