一项实验通过提供一个沙箱环境,但没有具体任务,只提供一套工具和50次操作来测试八个大型语言模型。模型分化为两大类:“构建者”创建新工具或脚本,以及“测试者”在停止前探索可用工具。Claude、Gemma和gpt-oss被归类为构建者,其中Claude每次运行生成一个完成的工具,Gemma创建复杂的项目,gpt-oss生成演示脚本。Qwen和Granite充当测试者,在完成运行前对每个工具进行基本检查。 AI
影响 这项实验揭示了LLM在获得自主权时不同的内在行为和能力,突显了它们底层架构或训练目标的潜在差异。
排序理由 该条目描述了一项在受控环境中测试多个LLM行为的实验,属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →