Hamel Husain 试做 MazeBench 谜题:承认大部分题自己都解不了
HamelHusain · x · 2026-11-17
知名 AI 教育者 Hamel Husain 第一次认真看了 LLM 评测项目 MazeBench 的谜题,表示「大部分题目我自己也解不出来」。MazeBench 近几个月经历了大幅改进,作者 @patiencecave 特别感谢 Prime Intellect、xeophon 等团队的持续支持与指导。
所属事件:Fable 5.2 登顶 MazeBench 后陷评测污染疑云(9 条相关)→
「研究」频道最新
- OnchainBench 发布:测试加密 agent 能否安全持有你的私钥 — DavideCrapis · 2026-11-20
- Stripe 开源编码 Agent 评测:14 个 Agent 平均仅 29% 任务全达标 — emilygsands · 2026-11-20
- Fig 发布 RoleCUA 数据集:780+ 小时专家工作,让 Agent 接管数月级岗位 — adityaag · 2026-11-20
- Realtime-Bench:人类玩游戏胜率 72%,最强模型仅 32% — ManlingLi_ · 2026-11-20
- Goodfire 公开 Qwen3.6 全部 1000 万神经元的可搜索图谱,并开放数据 — fatihdin4en · 2026-11-20
- Accelerate Bench:32 个 CPU 优化任务实测 16 个编码 Agent — geoffwolfe · 2026-11-20