AGI Hunt· 0xkarasy·· 2 小时前AI 评分35
GPT-6.2-sol 6 轮评测一致率 11/23,远逊 GPT-6.1-sol 的 21/23
6 轮评测对比:GPT-6.2-sol 判定一致率 11/23,远逊 6.1 的 21/23
AI 导读
第三方 LLM-judge 实测显示,GPT-6.2-sol 经 6 轮评测后仅有 11/23 个案例与作者判定一致,GPT-6.1-sol 则为 21/23。引用评测表格的用户据此质疑 OpenAI 新版模型表现明显退步,但结果仅覆盖 23 个案例。
来源:AGI Hunt · agihunt.info