可操纵性相关 AI 资讯 · AI 热点

7月14日

01:40

01:40

lmarena.ai@lmarena_ai

GPT-5.6 Sol在Agent Arena评测中综合排名第二，整体得分提升10.9%。在可操纵性（Steerability）指标上以+17.3%位列第一。确认任务成功（Confirmed Task Success）和工具幻觉（Tool Hallucination）指标均排名第二，分别提升10.9%和1.3%。赞美与抱怨比（Praise vs. Complaint）排名第三（+17.6%），Bash恢复（Bash Recovery）排名第14（+7.5%）。

AI模型 GPT-5.6 Agent Arena 智能体

推荐理由：GPT-5.6 Sol在Agent Arena里表现挺猛，可操纵性直接第一，整体第二，具体各项指标排名都有数据，值得看看。