论文多源确认
Epoch发布自动化评估报告
精选理由
Epoch用AI评估自己的工作，Claude和GPT-6表现最好但还不够
EpochAIResearch推出自动化评估报告，测试前沿模型在开放性任务上的表现。Claude Fable 5.1和GPT-6 Astra表现领先，但仍远未完全自动化Epoch的工作。评估任务基于Epoch自身的研究工作设计，具有现实性和开放性。
原文 · Epoch AI
Can AI automate Epoch? We're introducing Epoch Automation Reports to evaluate frontier models on realistic, open-ended tasks drawn from our own work.
Claude Fable 5.1 and GPT-6 Astra lead, yet they are far from fully automating Epoch’s work. https://t.co/XMES2VrhUs
