AI Pulse

评估

4 条信号 · 持续更新

📡

OAI Evals团队连续三次发布Claude在OpenAI关注任务上表现更优的基准测试结果

𝕏2026 年 6 月 12 日
📡

METR评估发现超半数SWEBench结果不可合并

𝕏2026 年 6 月 11 日
📡

LangChain实验室发现:验证器设计差一点,AI判断就多错三成

𝕏2026 年 6 月 8 日
📡

六个开源大模型解滑动拼图,五个当场卡死

𝕏2026 年 5 月 13 日

📬 订阅 AI Pulse

每天三次更新,不错过重要信号

▲ 回到顶部