跳到正文
Hacker News·· 4 小时前AI 评分63

SimpleBench评测显示Astra 6.2与Sol 6.2未能超过普通人

Astra 6.2 and Sol 6.2 flop at Simple Bench

AI 导读

SimpleBench是一项包含200多个问题的多项选择文本基准,测试时空推理、社会智能和语言对抗鲁棒性。普通非专业人类基线得分为83.7%,超过所有受测LLM,包括得分81.9%的Claude Fable。

来源:Hacker News · simple-bench.com