AI 代理在长期决策中表现不佳，新基准证明了这一点

名为 Taste-Bench 的新基准测试 AI 代理在长时间任务中做出战略选择的能力。即使是最好的模型 GPT-5.6 Sol，在简单的二元问题上也仅能在略低于 60% 的情况下选择正确路径。想得更久也没用。文章 AI 代理表现不佳……

相关文章

Research#OpenAI#Сэм Альтман1 分钟

法官驳回萨姆·奥尔特曼妹妹的性虐待诉讼

周二，美国地区法官 Zachary Bluestone 驳回了 Ann Altman 去年提起的诉讼，指控她的兄弟、OpenAI 首席执行官 Sam Altman 在她的整个童年时期对她进行了性虐待。正如《卫报》早些时候报道的那样，法官写道，去年，安……

The Verge — AI10月20日

Research#Google DeepMind#Anthropic1 分钟

ENAnthropic pitches AI safety bill that may block a model if 50+ people could be killed

The proposed policy seems to offer protections against AI run amok but actually forbids federal agencies from blocking a model's release without the permission of a judge.

TechCrunch — AI10月20日

Startups#OpenAI#Hugging Face1 分钟

ENHugging Face CEO warns that Netflix’s OpenAI hack documentary isn’t accurate

Before you share the Netflix documentary "AI Gone Rogue" take note. Clem Delangue, Hugging Face's co-founder who is featured in the film, says it went "full doomer mode" and isn't accurate.

TechCrunch — AI10月20日

知识库#Google DeepMind#OpenAI1 分钟

停止为人工智能付费，在本地运行一切（方法如下）

大型实验室不会谈论这一点，而是不断学习为您自己的工作流程的[音乐]用例改进模型的想法。大型实验室没有动力为用户提供这种[音乐]，因为他们正在训练他们的模型以适应正常的……

YouTube — David Ondrej (AI Agents)10月20日

返回列表