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。
AISI
共 2 条相关 AI 资讯
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%。
7月3日
18:04
18:04
@koltregaskes@koltregaskes
@koltregaskes@koltregaskes73°
推荐理由：AISI用更高的token预算测试模型，发现性能远超标准评测——8%的任务需要千万级token才能解决，前沿模型能力被低估了。