诚信探针に関するニュース

GLM-4.6、材料制約で満点・コード実行41.70点・誠実性プローブはわずか15点

GLM-4.6はYZ IndexのSmokeクイックテストで材料制約100点満点を記録した一方、コード実行は41.70点にとどまり、誠実性評価はfailとなった。同日テストした14モデルの中で唯一failとなった点が注目される。