跳到正文
热点事件持续更新

SimpleBench公布结果,普通人类得分领先受测模型

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

SimpleBench团队推出包含200多个问题的多项选择文本基准,并公布测试结果:普通非专业人类基线得分为83.7%,高于所有受测大语言模型;其中Claude Fable得分为81.9%。该基准用于测试模型的时空推理、社会智能和语言对抗鲁棒性,Astra 6.2与Sol 6.2也均未超过普通人类。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. Hacker News
    SimpleBench评测显示Astra 6.2与Sol 6.2未能超过普通人

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。