PulseAugur
中
实时 08:56:48
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.

Show in brief
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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_42449 ·

    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。