Alpha Pulse New
搜索登录

AI 产品

公开最大规模自主代理迭代研究实验：模型性能对比与人类记录差距

首次出现 8月17日 00:31·最近更新 8月17日 00:31

一项由Twitter用户分享的公开实验，测试自主代理在研究环境中的迭代能力。实验扩展了运行时、计算、模型和工具多样性，并分享了详细跟踪数据等细节。比较了与OAI/Anthropic系统卡中的类似任务，如Anthropic优化LLM训练和OpenAI GPT 5.6的nanogpt任务。实验显示，尽管数据存在噪音，且任务和环境有差异，不同模型间仍有显著性能差距。其中，Fable 5模型缩小了与当前人类记录82%的差距，Kimi K3模型表现突出。目前正在运行Grok 4.6、DeepSeek V4 Pro、Muse Spark 1.2、Qwen 3.8 Max和GLM 5.3等模型，结果预计下周公布。

多来源证据

Twitter/X AI List·twitter·

据我所知，这是自主代理在研究环境中迭代的最大公开实验 我们扩展了运行时、计算、模型的多样性

据我所知，这是自主代理在研究环境中迭代的最大公开实验 我们扩展了运行时、计算、模型和工具的多样性。作为比较，OAI/Anthropic系统卡中的类似任务包括Anthropic的'在CPU上优化LLM训练'和OpenAI GPT 5.6做nanogpt赛道1但持续不到一天。我们还分享了许多细节（跟踪、草稿板等），以便您了解模型如何处理此类任务 这个实验相当嘈杂，同一设置下的运行在24小时后有约50步的分散。我认为令人印象深刻的是，尽管模型探索相对相同的想法，且任务和环境有很多差异，但不同模型之间仍有很大差距 Fable 5缩小了与当前人类记录82%的差距，Kimi K3也非常出色。我目前正

事件时间线

  1. 8月16日 05:16
    Twitter/X AI List
    据我所知，这是自主代理在研究环境中迭代的最大公开实验 我们扩展了运行时、计算、模型的多样性
返回新闻流