00:33
官方账号Decoder@Matthias Bastian
精选
推荐理由：别信那些基准排名——AISI发现给智能体多点token，表现就能飙升25%。新模型潜力更大。
精选
过去 24 小时，从 263 条中筛出 8 条
7月4日
00:33
英国AI安全研究所(AISI)在涵盖7项基准测试的研究中发现，标准评估通过限制计算预算系统性地低估了AI智能体的实际能力。在软件工程任务中，当token预算增加10倍时，成功率提升约25%。新模型受益最大，实际进展比之前测量结果陡峭约60%。
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月1日
00:09
AITOP6月1日 00:09
