GLM思维链可控性评测领先
热点事件持续更新
GLM思维链可控性评测领先
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
LessWrong研究者tomekkorbak发布评测结果称，基于CoT-Control套件对GPQA、HLE、MMLU-Pro共1214道题施加9种思维链控制指令后，GLM 5、5.1、5.2和5.3的思维链可控性显著高于Kimi K3及DeepSeek V4.1 Flash、V4 Pro，GLM-4.5和4.7等上一代模型也表现较强。 但该评测显示不同控制能力并不等同：GLM-5.1虽然可控性高，监视器规避表现却很差；在这项任务上，GPT-6-Astra表现更擅长。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 05:23
LessWrong 实测：GLM 系列模型思维链可控性远超 Kimi 与 DeepSeek报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- AGI HuntLessWrong 实测：GLM 系列模型思维链可控性远超 Kimi 与 DeepSeek
LessWrong 的 AI Control 研究测试 Kimi K3、GLM 5/5.1/5.2/5.3 和 DeepSeek V4.1 Flash/V4 Pro，发现 GLM 系列思维链可控性显著领先。评测覆盖 GPQA、HLE、MMLU-Pro 共 1214 道题和 9 种控制指令；GLM-5.1 虽可控性高，监视器规避表现却很差，而 GPT-6-Astra 更擅长该任务。
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。