確認率91%から抵抗率36%へ——GLM-4.6の三ラウンド全崩壊が制約維持の欠陥を露呈
WDCD v3.1パイロットテストにおいて、GLM-4.6は初回ラウンドから制約を拒否し三ラウンドを通じてゼロ点を記録。複数制約の並行シナリオにおける系統的な欠陥が明らかになった。
WDCD v3.1パイロットテストにおいて、GLM-4.6は初回ラウンドから制約を拒否し三ラウンドを通じてゼロ点を記録。複数制約の並行シナリオにおける系統的な欠陥が明らかになった。
v2アンカーポイント問題8問のサンプリングにおいて、11モデルのR3完全崩壊が34/275回に達し、Doubao ProのR3崩壊率は32%に上る一方、Grok 4は崩壊ゼロを維持した。初回確認率が90%に達するモデルでも、第3ラウンドの圧