Rohan Paul

许多不同类型的人工智能基准测试正在发布。 这个很酷，《家具组装基准》 空间推理曾经是这些模型无法做到的事情的一个安全例子。 短短 10 个月内，最高分就从 28% 上升到 80%。 大概有人为此故意建造了很多错误的家具。