对 MiniMax M1 40k 模型进行的独立基准测试评估显示,其性能显著下降,在 Humanity's Last Exam 上的得分仅为 7.8%。这一结果凸显了在大型语言模型中实现强大现实世界推理能力所面临的持续挑战。 AI
影响 凸显了在 LLM 中实现强大现实世界推理所面临的持续挑战。
排序理由 对现有模型的独立基准测试。[lever_c_从研究降级: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 →