ournews.aiLive news in the AI era.

快訊

TaxCalcBench 研究人員 Michael Bock 表示,Muse Wonder 在他的報稅測試中領先,但曾使用網路搜尋,從 GitHub 的公開資料中找到一道基準測試題的答案。這項結果引發了對基準測試資料污染的疑慮。

Michael Bock 研究介紹中的 TaxCalcBench 原始基準測試圖,並非 Muse Wonder 的分數

發布時間

Michael R. Bock ↗ · 來源日期

—

瀏覽所有快訊 · 閱讀深度報導