CritPt两版分数不可直接比较
热点事件持续更新
CritPt两版分数不可直接比较
3 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Artificial Analysis 上线研究级物理基准 CritPt v2，GPT-6 Astra（max）得分83%，但该成绩不能与v1的32%直接比较。v2修订了全部70道挑战题，修正表述错误并改进评分器稳定性；官方测试显示，涨分主要来自题目修订，模型在离线沙箱中执行代码只带来较小额外提升。 由于领先模型已超过80%，v2留给前沿模型的提升空间明显小于v1，因此83%不能视为同一套题目上的大幅跃升。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 02:12
Artificial Analysis 解读：CritPt v2 涨分主要来自题目修订而非工具事件进展
2 个进展
- 10月23日 01:55 · 2 篇报道CritPt两版分数不可直接比较AGI Hunt：CritPt v2 涨分主要源于改题，v1 的 32% 与 v2 的 83% 不可直接比较
- 10月23日 01:55 · 1 篇报道CritPt v2基准及模型结果发布AGI Hunt：Artificial Analysis 上线研究级物理基准 CritPt v2：GPT-6 Astra 得 83%，领先 GPT-5 高达 54 分
报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- AGI HuntArtificial Analysis 解读：CritPt v2 涨分主要来自题目修订而非工具
Artificial Analysis 指出，CritPt v2 与 v1 分数不可直接比较，GPT-6 Astra (max) 从 32% 升至 83%。官方测试显示，涨幅主要来自题目修订，代码执行工具仅带来较小增益；头部模型已超过 80%，v2 给前沿模型留下的提升空间更小。
- AGI HuntArtificial Analysis 上线研究级物理基准 CritPt v2：GPT-6 Astra 得 83%，领先 GPT-5 高达 54 分
Artificial Analysis 上线研究级物理基准 CritPt v2，修订全部 70 道挑战题，GPT-6 Astra (max) 以 83% 居首。
- AGI HuntCritPt v2 涨分主要源于改题，v1 的 32% 与 v2 的 83% 不可直接比较
Artificial Analysis 指出，CritPt v2 分数普遍高于 v1，但两版不可直接比较，GPT-6 Astra（max）的成绩从 v1 的 32% 升至 v2 的 83%。测试显示，大部分涨幅来自题目修订，加入代码执行工具仅带来较小的额外提升；当前领先模型已超过 80%，v2 所剩头部空间明显小于 v1。
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。