Elorian 发布 DecoyCount 计数基准
热点事件持续更新
Elorian 发布 DecoyCount 计数基准
1 篇报道1 个报道来源51 分钟前更新
先了解这件事
AI 综述
Elorian 与 Mercor 联合发布 DecoyCount 视觉计数基准，用来检验语言模型是在真正计数，还是依赖视觉捷径。参评前沿模型的准确率均低于 50%，其中最好的 GPT-6 Astra 为 43.17%。 Elorian 称其 Glimpse 在 1,660 道题上得 50.48%，是唯一过半的模型；该成绩为单次运行、不带 agent 或工具框架，而论文中六个模型各取三次运行平均。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 00:00
前沿模型能看穿诱饵吗？Elorian 用 DecoyCount 测试视觉推理，Glimpse 得分 50.48%报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- Latent Space前沿模型能看穿诱饵吗？Elorian 用 DecoyCount 测试视觉推理，Glimpse 得分 50.48%
Elorian 与 Mercor 联合发布 DecoyCount 基准，检验语言模型是真在计数还是依赖视觉捷径，参评前沿模型准确率全部低于 50%。Elorian 称其 Glimpse 在 1,660 道题上得 50.48%，是唯一过半的模型，表现最好的前沿模型 GPT-6 Astra 为 43.17%。该成绩为单次运行、不带 agent 或工具框架，论文中六个模型各取三次运行平均。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。