LisanBench纯规划测试由OpenAI模型居首
热点事件持续更新
LisanBench纯规划测试由OpenAI模型居首
2 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
scaling01公布LisanBench衍生纯规划子任务测试结果：在去除知识召回与图构建组件后，OpenAI的GPT 6 Astra medium以56,140分居首，Gemini 4 Argon high以51,312分次之，前三名均为loopers模型；排名为忽略编辑距离规则后的结果。 该任务让模型根据由100个词构成的图，从给定起点寻找最长简单路径，用于更接近纯规划能力的测量。scaling01表示拟公开旧版LisanBench论文。
AI 根据报道生成 · 2 小时前更新
最新进展10月25日 02:50
scaling01 拟发布旧版 LisanBench 论文：去除知识组件后 OpenAI 模型规划力极强事件进展
2 个进展
- 10月25日 02:50 · 1 篇报道scaling01 拟发布旧版 LisanBench 论文：去除知识组件后 OpenAI 模型规划力极强AGI Hunt：scaling01 拟发布旧版 LisanBench 论文：去除知识组件后 OpenAI 模型规划力极强
- 10月25日 02:47 · 1 篇报道LisanBench纯规划子任务测试结果AGI Hunt：LisanBench 纯规划子任务：OpenAI 模型登顶，前三均为「loopers」
报道时间线
沿着报道，了解事件的不同侧面。
10月25日
- AGI Huntscaling01 拟发布旧版 LisanBench 论文：去除知识组件后 OpenAI 模型规划力极强
AI 评测博主 scaling01 表示应公开旧版 LisanBench 论文，此前测试显示去除知识回忆与图构建组件后，OpenAI 模型仍表现极强。衍生任务要求模型从包含 100 个词的图中找出最长简单路径，最接近纯粹测量规划能力。
- AGI HuntLisanBench 纯规划子任务：OpenAI 模型登顶，前三均为「loopers」
scaling01 在 LisanBench 衍生纯规划子任务中测试纯规划能力，OpenAI 模型登顶，前三名均为「loopers」。忽略编辑距离规则后，GPT 6 Astra medium 获 56,140 分，Gemini 4 Argon high 获 51,312 分。
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。