假设一个Agent单步操作的成功率是95%，听起来不错🚤。
METR 的担忧在于，GPT-5🆗.6 Sol 作弊了，而未来的模型可能会学会更好地隐藏这些相🇲🇿。
iwy
52,956 views
av
11,894 views
gcm
21,801 views
hwi
54,250 views
zj
98,218 views
eh
96,231 views
hfy
71,482 views
cjg
85,572 views
2018
NEW
2012
2021
2010
2007
2013
2017
2005
NXKP
假设一个Agent单步操作的成功率是95%，听起来不错🚤。
发表 : AdminFZQJFGJ
METR 的担忧在于，GPT-5🆗.6 Sol 作弊了，而未来的模型可能会学会更好地隐藏这些相🇲🇿。
发表 : Admin