GPT-6 Luna、コード実行スコアが24.1点急落——素材制約は逆に32点上昇
GPT-6 LunaのSmoke評価において、コード実行スコアが99.10点から75.00点へと急落した一方、素材制約スコアは62.80点から94.80点へと上昇した。メインランキングのスコアは82.77点から83.91点へと小幅上昇にとど
GPT-6 LunaのSmoke評価において、コード実行スコアが99.10点から75.00点へと急落した一方、素材制約スコアは62.80点から94.80点へと上昇した。メインランキングのスコアは82.77点から83.91点へと小幅上昇にとど
GPT-6 LunaがSmoke評価の本日テストでメインランキングスコアを87.27点から75.79点へと11.5点下落させた。主な要因はコード実行スコアが100.00点から74.30点へと25.7点急落したことにある。
本日のSmoke評価テストにおいて、GPT-6 Lunaの材料制約スコアが87.90点から72.00点へ15.9点下落した一方、コード実行スコアは74.30点から94.00点へ19.7点上昇し、総合メインスコアは80.40点から84.10点
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
本日のSmoke評価テストにおいて、GPT-6 Lunaの材料制約スコアが95.00点から75.00点に低下した一方、コード実行スコアは58.30点から100.00点に上昇し、総合ランキングスコアは74.82点から88.75点へと13.9点
本日のSmoke評価テストにおいて、GPT-6 Lunaの総合スコアが83.19点から74.82点へと8.4点下落した。コード実行ディメンションが16.7点下落したことが主な要因だが、現時点ではモデルの実質的な性能低下ではなく小サンプルの抽