实体 ObviousBench

ObviousBench

PulseAugur coverage of ObviousBench — every cluster mentioning ObviousBench 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_114086 · Jun 27 · 20:16

Anthropic 的 Opus 4.7 在新的用户创建的基准测试中显示回归

一个用户创建的基准测试 ObviousBench 揭示了 Anthropic 的 Opus 4.7 模型与其前身 Opus 4.6 相比存在性能回归。该基准测试旨在测试模型在简单推理错误方面的表现，结果显示 Opus 4.7 需要显著更高的配置设置才能获得比 Opus 4.6 更低的分数。创建者认为 Opus 4.7 的过度自信和减少的推理 token 使用量可能是导致这一明显性能倒退的原因。