Gemini 几乎自主完成「血染钟楼」社交推理 benchmark 实验
eliebakouch · x · 2026-11-12
Elie Bakouch 在 Dwarkesh Patel 的「血染钟楼」benchmark 基础上做了扩展实验。转发者 Vishowl 指出最酷的一点：整个实验由 Gemini "carbon"（推测指 Gemini 的深度研究型 agent）在近乎自主的情况下完成。社交演绎游戏考察的是多智能体欺骗、推理与信念建模能力，是衡量模型社会推理水平的新颖测试场。
「漫话AGI」频道最新
- 研究者叹 AI 缺理论，圈内人称前沿模型远超公开水平 — fkasummer · 2026-11-12
- AI 数学形式化路线之争：多线并行试错好过押注单一路径 — xennygrimmato_ · 2026-11-12
- X 上最大 AI 账号主 kimmonismus 播客开聊:Agent、欧洲困境与 2027 预测 — kimmonismus · 2026-11-12
- Fleuret：彻底重构 AI 数据采集与处理将是巨大助推器 — francoisfleuret · 2026-11-12
- 观点：与其让 AI 攻抽象数学，不如优化 XGBoost 等实用算法 — zainhas · 2026-11-12
- 无法与亲友聊 ASI：AI 从业者的认知鸿沟焦虑 — flowersslop · 2026-11-12