大模型
GPT-6 Astra在更新版两项基准测试中领先
更新版BrokenArXiv与ArXivMath基准测试聚焦过去一个月在ArXiv上被推翻的猜想，GPT-6 Astra在harness评测中领先。
更新后的BrokenArXiv与ArXivMath基准测试聚焦过去一个月在ArXiv上被推翻的猜想，模型在harness中运行评测。结果显示，GPT-6 Astra在两项基准测试中领先。
更新版BrokenArXiv与ArXivMath基准测试聚焦过去一个月在ArXiv上被推翻的猜想，GPT-6 Astra在harness评测中领先。