独立测量显示 Hy3-preview 模型在 GPQA 基准测试中取得了 73.2% 的成绩,显著优于 HLE 的 7% 分数。这种巨大的差异突显了人工智能能力进一步研究和开发的重点领域。 AI
影响 通过展示特定基准测试中显著的性能差异,突出了人工智能推理能力的潜在进步。
排序理由 该条目报告了人工智能模型的基准测试结果,属于研究范畴。[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 →