实体 DNR-Bench

DNR-Bench

PulseAugur coverage of DNR-Bench — every cluster mentioning DNR-Bench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_87728 · Jun 12 · 13:51

新的DNR-Bench显示顶级LLM通过率为0%

一项名为DNR-Bench的新基准测试已被推出，用于评估大型语言模型避免响应特定提示的能力。在包括GPT-5.1、Claude Opus 4.8、Gemini 3 Pro和Grok 4在内的几款领先模型中，该基准测试报告的通过率为0.0%，表明在面对测试提示时，没有一款被测试的模型成功地避免生成任何输出。该基准测试的方法和代码可在GitHub上获取。