FutureSim Q3:LLM 从经验中真实变强,Opus 5.5 登顶

rickasaurus · x · 2026-11-16

FutureSim 基准(回放真实世界事件、让模型在其知识截止后做预测)发布 2026 Q3 结果,展示了一个显著的非连续变化:上一代 LLM 开始真正从经验中变强。

该基准由图宾根 ELLIS/马普所等机构的团队构建(arXiv:2605.15188),作者认为 test-time adaptation 已开始在全行业改善,是衡量 AI 长时程开放环境适应能力的重要信号。

所属事件:FutureSim Q3 评测发布,Opus 5.5 调用 50+ 子智能体登顶(2 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →