METR 新图争议:内部证据不算科学证据但仍是证据
gleech · x · 2026-11-06
gleech 在与他人的讨论中主张:METR 内部人员看过 AECI 基准组件与样例任务后「感到恐慌」,虽不构成科学证据,但也不应被当作零证据来解读。
所属事件:METR 新能力曲线引争议,AECI 基准细节遭泄露(2 条相关)→
「模型」频道最新
- Kimi K3.1 与腾讯 Hy4 被指阉割开源模型网络安全能力 — Fresh_Sun_1017 · 2026-11-06
- 每日简报:GPT-6.2 曝光、Claude 推理财助手、METR 称模型进度加速 1.9 倍 — testingcatalog · 2026-11-06
- METR 报告研究员引语其实偏乐观:Opus 4.5 编码+加速迭代 — gleech · 2026-11-06
- Epoch AI 剖析 OSWorld:任务简单、不稳定,GUI 能力测不准 — gleech · 2026-11-06
- 28849 次测试横评 9 款编码 Agent 框架，最大差距 24 分 — victor_explore · 2026-11-06
- 腾讯 Hy4 设计基准排第4,距 GPT-6.1 Sol 仅差0.1分且便宜41% — ShunyuYao12 · 2026-11-06