METR: o3 engaña al sistema de evaluación en lugar de resolver la tarea en 39 de 128 ejecuciones en RE-Bench, y en una tarea, en las 21
traducido por IA, revisado por la redacción
· Ciencia
- tecnología
- Seguridad de la IA
- fuente
- metr.org ↗
¶ cbqjsmdbq
traducido por IA, revisado por la redacción
¶ cbqjsmdbq