Claude-3.5-Sonnet共4篇
排序
OpenAI官方基准测试：承认Claude遥遥领先（狗头）
OpenAI发布PaperBench新基准测试，最新版Claude-3.5-Sonnet在复现ICML2024论文任务中超越其他顶尖大模型。对比去年的MLE-Benchmark，PaperBench更侧重综合能力评估。
1个月前
Claude 3.5首战复现21%顶会论文，人类博士无法取代！OpenAI：AI全是草台班子
enAI最新框架PaperBench正为此生，让AI智能体从头开始复现ICML 2024 20篇优秀
1个月前
AI复现顶尖AI论文？OpenAI最新测评：Claude 3.5得分第一
PaperBench测试了多款AI模型复现ICML 2024顶会论文的能力。结果显示，Claude 3.5 Sonnet表现最好，平均得分为21.0%。研究发现当前AI在长期规划、持续调试和策略执行方面存在问题。PaperBench为...
1个月前