研究者提出模型互出谜题的评测框架 TTG
热点事件持续更新
研究者提出模型互出谜题的评测框架 TTG
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
研究者 Simon Henniger 与 Gabriel Poesia 提出 The Token Games（TTG）评测框架，让语言模型互相出题、通过编程解谜对决并计算 Elo 评分，无需人工出题。 在 10 个前沿模型上，TTG 排名与 Humanity's Last Exam 等基准高度吻合，成本不到 200 美元。研究同时发现，当前模型生成好谜题仍十分困难。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
The Token Games：用解谜对决评估语言模型推理能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIThe Token Games：用解谜对决评估语言模型推理能力
研究者提出 The Token Games（TTG）评估框架，让模型互相出题、通过编程解谜对决并计算 Elo 评分。在 10 个前沿模型上，TTG 排名与 Humanity's Last Exam 等基准高度吻合，成本不到 200 美元且无需人工出题。研究同时发现，当前模型生成好谜题仍十分困难。
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。