跳到正文
热点事件持续更新

GPT-6.2-sol一致率评测低于前一版

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

0xkarasy公布第三方LLM-judge一致性对比评测:经过6轮评测,GPT-6.2-sol在23个案例中有11个与作者判定一致,GPT-6.1-sol则有21个,一致率明显更低。引用评测结果的用户据此质疑新版模型表现退步,但该结果仅覆盖23个案例。

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. AGI Hunt
    GPT-6.2-sol 6 轮评测一致率 11/23,远逊 GPT-6.1-sol 的 21/23

    第三方 LLM-judge 实测显示,GPT-6.2-sol 经 6 轮评测后仅有 11/23 个案例与作者判定一致,GPT-6.1-sol 则为 21/23。引用评测表格的用户据此质疑 OpenAI 新版模型表现明显退步,但结果仅覆盖 23 个案例。

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。