OpenAI 在 GPT-6 Astra 发布后反复修改跑分,幻觉率一度从 4.2% 砍半到 2% 又改回去
Fortune 报道 OpenAI 多次修改 GPT-6 Astra 基准测试数据,部分成绩大幅变化
据 Fortune 报道,OpenAI 自 9 月 3 日下午首次发布 GPT-6 Astra 公告以来多次修改评测基准数据,部分成绩一度大幅变化。网页快照显示,Astra 幻觉率曾从 4.2% 降至 2%,后又回到 4.2%;Anthropic Fable 5.1 在 FrontierMath Tier 4(v2)的成绩一度从 87.8% 降至 78%,目前回升至 83%。
推荐理由:OpenAI 在 GPT-6 Astra 发布后多次修改评测基准数据,Astra 幻觉率一度从 4.2% 降至 2% 又改回,Anthropic 模型成绩也出现下调,基准测试成绩的可信度问题由此再次浮现。