待验证50% 置信基准精确时间
研究团队开发了ARC-Bench基准测试，专门审计JEPA风格的世界模型是否能正确排序候选动作
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/11
首次发现
有效期至：2026/12/10
来源
涉及实体
相关事实
待验证ARC-Bench提供了无泄漏、固定候选的测试协议，直接测量冻结的JEPA风格目标函数是否能正确排序候选动作79% 相似待验证ARC开发了一套模型评估(evals)框架，通过设计特定测试场景探测模型是否展现出危险行为倾向73% 相似待验证ARIS具备跨模型评审循环（Cross-Model Review Loops）功能，通过多个不同LLM模型进行交叉评审来模拟学术同行评审机制69% 相似待验证FrontierMath、ARC Prize等新一代评测尝试使用全新的、未公开的难题来检验模型的真实推理能力68% 相似待验证图灵测试曾被视为智能的早期判断标准，但学界普遍认为它并不充分，当前更受关注的基准包括ARC和BIG-Bench Hard68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/895193API
curl https://kongchang.com/api/v1/knowledge/claims/895193MCP
get_claim(id=895193)