Tới nội dung
Chỉ Quan điểm#Anthropic
  1. One Useful Thing78

    Ethan Mollick thử nghiệm Claude Fable 5.2 trên lập trình, kinh doanh và nghiên cứu, gọi nó gần như AGI

    2 trên các nhiệm vụ trải rộng từ hack phần cứng, lập kế hoạch kinh doanh, xây dựng khóa học nhân văn, nghiên cứu học thuật đến dự án cổng 3D 450 thế giới, và đánh giá nó gần như AGI theo định nghĩa của ông về việc sánh ngang hầu hết chuyên gia con người ở hầu hết các nhiệm vụ trí tuệ trên máy tính.

    Vì sao đáng chú ý: Các thử nghiệm thực tế của Ethan Mollick với Claude Fable 5.2 cho thấy năng lực tổng quát mạnh mẽ trên lập trình, kinh doanh và nghiên cứu, đồng thời phơi bày một khoảng trống dai dẳng trong việc tự đánh giá khi nào công việc đã đủ tốt.

  1. One Useful Thing78

    Ethan Mollick đánh giá Claude 5 Fable, mô hình cấp Mythos công khai đầu tiên

    Ethan Mollick đã thử nghiệm Claude 5 Fable, mô hình cấp Mythos đầu tiên được phát hành cho công chúng, và nhận thấy nó vượt trội hơn mọi mô hình công khai khác mà ông từng dùng với khoảng cách đáng kể, có thể chạy tới hàng chục giờ trên các đặc tả nhiều trang. Trong một phiên Claude Code, nó đã xây dựng một bản đồ đẳng thời tương tác bằng cách khởi tạo các tác nhân Claude Sonnet rẻ hơn để nghiên cứu hơn 2.200 chuyến bay, lịch tàu hỏa và tốc độ đường bộ, và trong một phiên khác, nó làm việc chín tiếng rưỡi để tạo ra Concord, phần mềm hiệu chỉnh đánh giá của con người và AI.

    Vì sao đáng chú ý: Một tường thuật trải nghiệm sớm về mô hình cấp Mythos cho thấy các phiên tác nhân tự trị kéo dài nhiều giờ thay đổi vai trò của con người từ điều hướng sang đặt hàng kết quả.

Bạn đã xem hết