UT Austin 系统 Darmok 全对解出 7 道题,领先人类冠军 3 分 13 秒夺 cryptic 填字冠军
rohanpaul_ai · x · 2026-11-22
UT Austin 论文发布 Darmok 系统,自称首个在英国 cryptic 填字游戏上达到超人表现的自动化系统。
- 赛事成绩:在伦敦第 55 届 Times Crossword Championship 中,Darmok 解出全部 7 道锦标赛题目且零错误,每轮都比所有人类选手快;决赛 6 分 52 秒完成,领先人类冠军 3 分 13 秒夺冠。
- 为什么难:cryptic 线索用误导性文字游戏隐藏答案,稀疏网格让近半数字母无交叉校验,且规则规定有 1 格错误就排在所有全对方案之后。
- 技术方案:三个独立模型多轮交叉校验线索,用已验证的交叉字母解锁更难的线索,再用整题模型和词典查填补剩余空缺而不覆盖已确认词;五个月日常评测保持近零错误。
- 关键结论:正常条件下移除备份模型、回退步骤或精细 prompt 对准确率影响很小,看似过度设计;但决赛中主模型严重变慢,备份路径供出了 30 个答案中的 17 个。作者指出:当基础模型掌握平均情况后,构建复杂 AI 系统的核心挑战转向最坏情况下的韧性。
「模型」频道最新
- Miguel de Icaza 等开发者吐槽:谷歌最强模型 Workspace 用户用不上 — jeremyphoward · 2026-11-22
- 用户实测:Gemini 4 Neon 在思维链里幻觉出「用户已批准」 — YouJiacheng · 2026-11-22
- 实测 Thinking Machines 可调循环推理:3 层循环省 41% 思考 token — SonglinYang4 · 2026-11-22
- 数学家感慨:AI 只能造反例的论调恍如十年前 — lishali88 · 2026-11-22
- Gemini 4 Neon 获开发者好评,但尚未接入 oh-my-pi 生态 — MilesCranmer · 2026-11-22
- Gemini Neon 早期实测:比 Carbon 快,3D 建模可用但需多轮修错 — a__tomala · 2026-11-22