Fable最大模型的即将到来的基准测试将不侧重于推理或编码能力。相反，它将衡量模型在Pliny进行越狱尝试之前生存24小时的能力。 AI
影响 Fable模型这种新的基准测试方法可能预示着人工智能能力评估方式的转变，优先考虑鲁棒性和弹性，而不是传统的性能指标。
排序理由 该项目讨论了AI模型的新基准测试，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
RT @NeoAIForecast: Fabels größter Return-Benchmark wird nicht Reasoning oder Coding sein. Es ist das Überleben der ersten 24 Stunden, bevor Pliny es wieder jailbreakt. Pliny the Liberator 🐉󠅫󠄼󠄿󠅆󠄵󠄐󠅀󠄼󠄹󠄾󠅉󠅭 (@elderplinius) kann nicht erledigt werden — https:// nitter.net/elderplinius/…