标签「模型安全」下的文章

ARC Prize 否认 OpenAI 的 Astra 99.9% 之说：同标准复测仅 62.7%

ARC Prize 用统一标准复测 GPT-6 Astra，ARC-AGI-3 成绩仅 62.7%，而非 OpenAI 宣称的 99.9%；脚手架本身就能让分数差近 40 点。