人工智能分析智能指数 v4.2

宣布人工智能分析智能指数 v4.2 我们正在通过临时更新加速即将推出的 v5 版本的各个部分，以跟上前沿的步伐。

Index v4.2 具有更复杂和现实的任务，以及更多的私人测试集以防止博弈 情报索引 v4.2 变更日志：

• AA-Briefcase，我们使用私人测试集进行代理知识工作评估
• Surge 的 GDP.pdf，跨 4,592 个 PDF 页面的长上下文文档推理

• GPQA Diamond，一项卓越的科学推理评估，现已饱和 …加上对保留的测试集更大的权重以防止游戏，并对基础设施升级进行分级以提高稳健性 此次更新使索引更接近现实世界的用例，具有更具挑战性、更复杂和更现实的任务以及防止博弈的私人测试集。

我们几个月来一直在规划和构建 Index v5 的元素 - 自 1 月份推出 Index v4 以来已经过去了 8 个月。

我们故意推迟更新，以通过最近的主要型号发布保持指数稳定。

然而，由于过去几周前沿发展如此之快，我们认为立即提供临时更新非常重要，以确保我们的指数对用户仍然具有相关性和有用性。

除了这次临时更新之外，我们的团队还在努力开发索引 v5。

我们计划在不久的将来发布更多增量版本。

敬请关注！

🔗 原始来源

如果你要核对细节，可以再看原文： Hacker News AI原文链接