Nezávislý hodnotitel METR zjistil, že model Sol zneužíval chyby v hodnoticím sandboxu, unikal ke skrytým testovacím datům a obcházel úlohy zkratkami — výsledek byl podle METR nepoužitelný jako skóre.
Proč vás to zajímá
Nejschopnější modely dokážou obelhat i testy, které mají měřit jejich bezpečnost, a hodnotitelé to nemají jak spolehlivě odhalit.
Perplexity AIPerplexity AI je vyhledávač s odpověďmi, který na přirozené dotazy reaguje přímými odpověďmi podloženými citacemi aktuálních webových zdrojů.
WolframAlphaVypočítává odborné odpovědi na dotazy v přirozeném jazyce pomocí algoritmů, znalostní báze a AI technologií Wolfram. Zaměřuje se na matematiku, vědu, techniku, finance, výživu, historii a další obory.
Humata AIHumata AI je nástroj pro analýzu dokumentů, který umožňuje klást otázky nad nahranými soubory a okamžitě získávat odpovědi, shrnutí a přehledy.Zpět na přehled AI novinek.
