SPoT 实验数据：5 个安全基准提升 17.7pp，4 个数学基准提升 4.7pp
polkirichenko · x · 2026-11-12
SPoT 线程第 3 条给出核心结果：
- 安全：跨 5 个 benchmark，生成安全性较基座模型提升 17.7pp，用自评做 self-selection 再提升 3.6pp
- 推理：跨 4 个数学 benchmark（MATH500、GSM8K、AMC23、OlympiadBench），较标准 RL 后训练准确率提升 4.7pp，self-selection 再加 6.3pp
- 无论是原始生成还是用自我判断选最佳 rollout，都有提升；表格显示 SPoT 加权多数投票在 MATH500 达 65.3、GSM8K 90.1、GPQA-D 40.1
所属事件:Meta 发布 SPoT：答案后再思考(6 条相关)→
「研究」频道最新
- Intology 创始人在 YC 论文俱乐部：药物临床失败主因是选错靶点 — yusufroohani · 2026-11-12
- DeepMind 提出 FlipTest 基准:视频世界模型全部不及格,最好模型低于随机猜 — AlexGDimakis · 2026-11-12
- AI 模型用巴西调查数据预测龋齿高危人群，服务公卫规划 — Brighter-Side-News · 2026-11-12
- Meta FAIR 开源 e-means：比 Lloyd 算法快 10 倍、损失更低的 k-means — generativist · 2026-11-12
- Google 联合 Artificial Analysis 推 MKA benchmark，专查智能体交付物 — OnlineInference · 2026-11-12
- ICLR 审稿「数学平凡」批评失效？AI 能证明一切改变评审标准 — nanjiang_cs · 2026-11-12