实体 K2-V2

K2-V2

PulseAugur coverage of K2-V2 — every cluster mentioning K2-V2 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

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

TOOL · CL_296290 · Oct 13 · 02:01

K2-V2 (Medium) 基准测试分数揭示推理差距

对 K2-V2 (Medium) 模型的独立评估揭示了其在各种基准测试上的表现。虽然它在 GPQA 上获得了 59.8% 的分数，在 MMLU-Pro 上获得了 76.1% 的分数，但其在 Humanity's Last Exam 上的表现下降至 4.4%。这表明该模型自我报告的能力与其真实的推理表现之间存在显著差异。