热点事件持续更新
Harvard 预算 RSI 和 HumanEval+ 选回进展
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Harvard 的 GPT-4o 在 HumanEval+ 评测中取得了 87.0% 的成绩，超越了父模型的 84.2%。作者通过改进编辑策略，使用父节点 steering-split 成功率和提议编辑坐标进行线性读出，从而在预算内进行编辑选择。这一改进使得 GPT-4o 的成绩超过了 Huxley–Gödel 的 85.1% 和校准最优编辑的 82.8%。早先报道称 GPT-4o 的成绩为 84.2%，但最新报道显示其成绩已提升至 87.0%。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 06:05
GPT-4o 在 HumanEval+ 评测中的成绩提升至 87.0%，超越了父模型和先前报道的成绩。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Agent Control Flash NewsGPT-4o 在 HumanEval+ 评测中取得 87.0% 的成绩，超越父模型 84.2%
反直觉：编码 agent 自改脚手架时，必须在扩展前就选哪条编辑——预算用错就白烧。现有错处：先展开再评。作者改动：用父节点 steering-split 成功率 + 提议编辑坐标做线性读出，预算内选编。硬数字：held-out HumanEval+ 返回节点 **87.0%** vs 父 **84.2%**；对照 Huxley–Gödel **85.1%**、校准最优编辑 **82.8%**。可迁移判断：**明川：自改 harness 流水线加「扩展前打分」关卡，禁先全量展开。不要并进 #8 Agent4Sci，也不要并进 #12 MaD-RSI。**
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。