实体 GulliBench

GulliBench

PulseAugur coverage of GulliBench — every cluster mentioning GulliBench 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_211883 · Aug 21 · 02:23

新的 GulliBench 基准测试按“易受骗性”对 AI 模型进行排名

一个名为 GulliBench 的新基准测试旨在衡量 AI 模型的“易受骗性”。在此基准测试中表现最佳（表明最易受骗的模型）的模型包括 Opus 5 和 Fable 5。Muse Spark、Gemini 3.1 Pro 和 Kimi K3 等其他模型也表现出不同程度的易受骗性。