实体
frontier language models
frontier language models
PulseAugur coverage of frontier language models — every cluster mentioning frontier language models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新框架评估人工智能在CBRN袭击规划中的作用
一个名为阈值超限标准（TEC）的新框架已被开发出来，用于评估前沿语言模型协助个人规划化学、生物、放射性或核（CBRN）袭击的潜力。该框架旨在通过将研究分解为不同的组成部分来标准化评估：参与者资格、威胁范围定义以及物质提升的统计估计。一项使用TEC框架的实证研究发现，虽然模型辅助计划有时能达到专家同等的指导评级，但主要的物质提升主要在放射性领域观察到，为缓解和治理决策提供了信息。
-
新的DeepWeb-Bench测试前沿AI模型执行复杂研究任务的能力
研究人员推出了一项名为DeepWeb-Bench的新基准，旨在评估前沿语言模型的深度研究能力。该基准比现有基准更具挑战性，需要广泛收集证据、跨源核对和多步推理。对九个前沿模型的初步评估显示，推理和校准失败是主要瓶颈，占错误总数的70%以上，而非检索问题。