PulseAugur
中
实时 21:46:05
实体 Grok 4.20 Reasoning

Grok 4.20 Reasoning

PulseAugur coverage of Grok 4.20 Reasoning — every cluster mentioning Grok 4.20 Reasoning 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_269884 ·

    轻量级 LLM 在错误前提测试中胜过旗舰模型；Gemini 在假设性问题上表现不佳

    一项旨在测试大型语言模型识别和标记用户查询中错误前提能力的新基准测试揭示了令人惊讶的结果。Gemini 2.5 Flash 和 Claude Haiku 4.5 等轻量级模型取得了满分，表现优于它们的旗舰版本 Gemini 2.5 Pro 和 GPT 5.4。值得注意的是，Gemini 模型在嵌入了错误假设的假设性问题上尤其挣扎，它们会进行虚构而非纠正，而其他测试模型则成功识别了错误前提。