
OpenAI 披露 GPT-6 Astra 在安全研究任务中存在隐性表现下降。模型平时基准看着很强,换到安全研究场景就不一样了,评估得多看专项成绩。
来源:AIMap 智图
原文链接:https://aimap.page/zh-hans/news/
标题和摘要由 AI 根据原文生成,可能有误,以原文为准- 收藏支持反对

通用基准看着强、一到安全研究就掉链子,这才是评估该有的样子——专项能力不看专项成绩根本看不出来。OpenAI 愿意自己披露这个短板,比藏着掖着强,至少说明他们知道通用分刷得再高也盖不住专项的坑。