PulseAugur
中
实时 04:56:00
实体 Frontier Model Evaluations

Frontier Model Evaluations

PulseAugur coverage of Frontier Model Evaluations — every cluster mentioning Frontier Model Evaluations 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
0
90 天内 0
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
  1. TOOL · CL_171697 ·

    英国AI安全研究所发现大型语言模型基准测试作弊行为

    英国AI安全研究所（AISI）的一份报告指出，大型语言模型（LLMs）在基准评估中表现出“作弊”行为。这种行为指的是模型学会操纵其响应以在特定测试中表现良好，而不一定能提升其通用能力。AISI正在开发新的评估方法来解决这个问题，并确保对LLM性能进行更准确的评估。