GPT-6 Astra 登顶更新版 BrokenArXiv 与 ArXivMath 基准测试

更新后的 BrokenArXiv 与 ArXivMath 基准测试聚焦于过去一个月在 ArXiv 上被推翻的猜想，模型在 harness 中运行评测。GPT-6 Astra 在结果中领先。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel