标签：评估方法
苹果炮轰推理模型全是假思考！4个游戏戳破神话，o3/DeepSeek高难度全崩溃
苹果最新发布的大模型研究论文在AI领域引发广泛讨论，其核心观点直指当前推理模型的根本局限性。研究团队通过精心设计的四类可控谜题环境（汉诺塔、跳棋交换...
OpenAI实名举报Grok3作弊，一题答64次踩着台阶和o3-mini比
Grok-3模型发布后因评估方法引发争议，OpenAI团队公开指责其测试结果存在误导性。争议焦点集中在Grok-3的AIME 2025评估图中，其柱状图浅色部分标注为Con@64成...
