第 2026-11-06 期 · 社区音量
Noam Brown @polynoamial
说实话,这个基准测试的方法论让我相当佩服。@dwarkesh_sp 想来 @OpenAI 设计评估基准吗?https://t.co/cnfu0gcNtu [引用 @dwarkesh_sp]: 我花了 20,000 美元的 API 额度,让不同的 AI 模型在《血染钟楼》(一款类似黑手党或狼人杀的社会欺骗游戏)中互相对战。 结果非常有意思。这一年里,模型在临场即兴编造阴谋和虚张声势方面进步了很多,在团队推理、拆解这些地下阴谋方面也同样进步显著。 我梳理了其中一些……
查看原文 ↗话题:Noam Brown