AGI Hunt· alex_verem·2026-11-19 02:01· 2 小时前AI 评分57LLNL 基准测试:9 个模型中仅 2 个识破模拟器暗中错误LLNL 基准测试:9 个模型仅 2 个识破被暗中做错的模拟器AI 导读Lawrence Livermore 国家实验室让 9 个 AI 模型在包含物理缺陷的模拟环境中完成实验任务,仅 GPT-6 Astra 和 Claude Fable 5.2 的 95% 置信区间分别有 94% 和 99% 的覆盖率。来源:AGI Hunt · agihunt.infoAgent 智能体推理能力论文研究评测基准#论文/研究#评测/基准#推理#Agent#OpenAI#Anthropic查看事件全部后续