我與克里斯的觀點略有不同,但都略微正確: 「GPQA 鑽石 90.8% - 使用 Python」——不,92% 沒用任何工具,和我預期的差不多。 他們大多報告說沒有工具,所以很難判斷天花板的狀況。 這對產業來說只是一個小小的改變。我預計它的願景會讓我們感到震驚。
正在載入線程內容
正在從 X 取得原始推文,整理成清爽的閱讀畫面。
通常只需幾秒鐘,請稍候。
正在載入線程內容
正在從 X 取得原始推文,整理成清爽的閱讀畫面。
通常只需幾秒鐘,請稍候。
共 1 則推文 · 2025年11月18日 上午11:26
我與克里斯的觀點略有不同,但都略微正確: 「GPQA 鑽石 90.8% - 使用 Python」——不,92% 沒用任何工具,和我預期的差不多。 他們大多報告說沒有工具,所以很難判斷天花板的狀況。 這對產業來說只是一個小小的改變。我預計它的願景會讓我們感到震驚。