注册    登录
今天看啥  ›  专栏  ›  斌叔OKmath

(转) GPT-4.5 赶鸭子上架啦！直接说结论，某些方面甚至连-20250228131729

斌叔OKmath  · 微博  ·  · 2025-02-28 13:17
    

文章预览

2025-02-28 13:17 本条微博链接 (转) GPT-4.5 赶鸭子上架啦！ 直接说结论，某些方面甚至连自家的推理模型 OpenAI-o3-mini 都没打过。具体看图1，仅在下面三个指标中领先了 o3-mini。而GPQA，AIME‘24， SWE-Bench 完全打不过（甚至编码被o3-mini领先了快一倍 38%vs61%） 跟人类对打方面，领先了56%-63%的测试者。具体看图2. 以及SimpleQA (这是个问答类型的测试)，幻觉程度有所下降，准确率有所提升。 但综合来看，并不是个全面领先的模型。更 ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
总结与预览地址：访问总结与预览
推荐文章
天心教育  ·  一校两址，五统一！长郡外国语实验中学南校区金秋9月启幕
12 小时前
天心教育  ·  一校两址，五统一！长郡外国语实验中学南校区金秋9月启幕
12 小时前
青岛日报  ·  曾陪伴青岛人21年！这处“老地标”，即将全新亮相！
2 天前
青岛日报  ·  曾陪伴青岛人21年！这处“老地标”，即将全新亮相！
2 天前
黑龙江省司法厅  ·  媒体关注丨普法走进深哈产业园，“沉浸式”普法耳目一新！
2 天前
黑龙江省司法厅  ·  媒体关注丨普法走进深哈产业园，“沉浸式”普法耳目一新！
2 天前
模力方舟  ·  模力方舟再上硬核3D新模型：Step1X-3D 全面开放在线体验
2 天前
寿光公安  ·  速删！35款APP被通报，涉及多款视频剪辑软件……
2 天前
寿光公安  ·  速删！35款APP被通报，涉及多款视频剪辑软件……
2 天前
眸娱  ·  琼瑶初恋男老师照片流出，帅气儒雅又忧郁，用琼瑶寄的钱给自己买寿衣
5 月前
新闻坊  ·  “阎王爷把我搞忘了！”老太迎来124岁生日，平时喜欢吃的竟是…
4 月前
科奖中心  ·  重磅！国家杰青优青项目更名
4 月前
辽宁省药品监督管理局  ·  辽宁省药监局多措并举严格规范涉企行政检查
2 月前
关于   移动版   ·   Py中国   ·   RSS之家   ·   CodingPro   ·   Code   ·   Link之家   ·   卧龙AI搜索   ·   小百科   ·   小百科（海外）   ·   Link管理
今天看啥 - 公众号rss, 微信rss, 微信公众号rss订阅, 稳定的RSS源
© 2025 ~ 沪ICP备11025650号