AGI Hunt· patience_cave·· 3 天前AI 评分42
Fable 5.2 登顶 MazeBench,但旧答案疑云引发关注
Fable 5.2 登顶 MazeBench 但旧答案疑云引发关注
AI 导读
Claude Code max 驱动的 Fable 5.2 在 MazeBench 上以 21% 得分创下新纪录,耗时 90 小时、花费 6000 美元,被认为 token 效率最高。其在 2 亿 token 检查点即达到 21%,却在两周前刚更新且旧解法已作废的困难关卡中直接给出旧版答案,疑似数据污染;后续将跑满 10 亿 token 进一步验证。
来源:AGI Hunt · agihunt.info