「PROOFGRIDは、制約ベース推論のドメイン非依存テストを構成する、難解ながらも扱いやすい論理推論タスクの新しいバッテリーです。」Grok 4は、ハードサブセットにおいて十分な差をつけてSOTAを達成しています。 @doomslide と @VictorTaelin は、まだ見ていないなら気に入るかもしれません。
誰かがテストすれば、キミ・シンキングのスコアは0.23になると予測する https://t.co/nyEDiQsZ1Z ここで学ぶべきことがたくさんある
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。