اوپن‌ای‌آی
@ScaleAILabs
@ScaleAILabsبچه‌های اسکیل لبز یه بنچ‌مارک تازه رو کردن به اسم «حس ششم انسانیت» که قشنگ هوش بصری و درک شهودی مدل‌ها رو به چالش کشیده
بچه‌های اسکیل لبز یه بنچ‌مارک تازه رو کردن به اسم «حس ششم انسانیت» که قشنگ هوش بصری و درک شهودی مدل‌ها رو به چالش کشیده. تو این آزمون با ۵۲۲ تا تسک مختلف از عکس و ویدیو، مواردی مثل درک فضایی، روابط علت و معلولی و حتی فهم اجتماعی رو سنجیدن تا ببینن هوش مصنوعی چند مرده حلاجه. نتیجه‌ش هم نشون داد این ابزارها هنوز خیلی کار دارن؛ آدما با خیال راحت امتیاز ۹۳.۱ درصد رو ثبت کردن، ولی قوی‌ترین مدل یعنی GPT-6-astra به زور به ۵۳.۶ درصد رسیده و میانگین بقیه مدل‌ها هم روی ۳۰.۹ درصد درجا زده.
منبع
Scale Labs@ScaleAILabs
We’re introducing Humanity’s Sixth Sense, a new benchmark testing the intuitive visual reasoning people rely on every day.
Across 522 open-ended tasks spanning images and video, HSS tests everything from spatial and causal reasoning to social understanding.
The gap is significant. Humans score 93.1%, while the strongest model, GPT-6-astra, reaches 53.6%. The median model scores just 30.9%.
۱۵ مهر ۱۴۰۵مشاهده در X
بیشتر بخوانید
داگ کالکیت یه رکوردشکنی تر و تمیز روی مسئله شماره ۱۰۹ اوپن‌ای‌آی که مربوط به ضرب اعداد صحیحه رو کرده و حسابی تو جامعه علمی گردوخاک راه انداخته
جیکوب کاکسون که قبلاً تو انتروپیک کار می‌کرده، پشت پرده این غول هوش مصنوعی رو رو کرده و گفته کارمندهای اونجا خودشون رو مثل «مورچه» می‌بینن و قید کارای پرزرق‌وبرق و رزومه‌ساز رو می‌زنن تا فقط شرکت رو زودتر به ابرهوش مصنوعی برسونن
اوپن‌ای‌آی اومده کلی دستاورد و حل مسئله جدید ریاضی رو که مدل هوش مصنوعی پیشرفته‌شون تنهایی کشف کرده منتشر کرده و حسابی گردوخاک راه انداخته
کمپانی OpenAI رسماً وارد فاز نظامی شده و داره مدل‌هاش رو جوری محک می‌زنه که مو لای درزشون نره و طبق قوانین بین‌المللی جنگ رفتار کنن، چون قراره این سیستم‌ها تحویل ارتش آمریکا داده بشن
نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.