GPT-6 阿斯特拉

【HN用户评论摘要】 相关：OpenAI 开始推出 GPT-6 Astra - https://news.ycombinator.com/item?id=49554273 我们坚持用那个来谈论推出，用这个来谈论模型怎么样？ ARC-AGI-3 记分卡具有极大的误导性，因为它明确表示“通过[响应 API] 工具，我们估计 Sol 的得分约为 30%。”但它显示 GPT-5.6 Sol 的分数为 7.8%，大概是因为如果他们将 GPT-5.6 Sol 的百分比更新为通过用于 GPT-6 Astra 的响应 API 工具收到的分数，他们必须对 Opus 5 显示的百分比做同样的事情，这同样会高得多。无论如何，结果 我想退一步：所以，这就是 GPT-6——与过去几年的 GPT-4 和 GPT-5 相媲美的自然数版本版本。 ARC-AGI-3 的分数显然令人印象深刻，达到 99.9%（我们需要等待更多关于他们如何在 GPT-6 Astra 上使用响应 API 工具的详细信息，关于推理保留和压缩），但与 AI 实验室的任何“点”更新相比，其他所有基准测试似乎都是相对适度的改进。如果这真的是 AGI（取决于某人的定义） 我不禁注意到这与弗朗索瓦·乔莱（Francois Chollet）的《论智力的衡量》有多大的呼应：https://arxiv.org/abs/1911.01547大多数前沿模型进展看起来仍然像是技能获取优化：更广泛的基准覆盖范围和性能，更多的领域被吸收到训练分布中，以及在该表面区域内日益强大的性能。这似乎更多是关于覆盖范围驱动的能力。有点类似于规模上的过度拟合。在 Chollet 的框架中，更难的问题 我对实际模型没什么可说的，但无关——为什么这么多的演示包括人们自主购买东西？即使我确实相信人工智能能把一切做好，人工智能也不可能读懂我的想法。如果我在没有人工智能的情况下正常点餐，我会想要对这个过程有更多的控制——查看选项、价格，思考我真正想要的东西。人们不知道自己真正想要什么，直到他们稍微思考一下，那么为什么人工智能公司让它看起来像 原始链接：https://openai.com/index/gpt-6-astra/