性能断崖式下跌 - AI評価

AIレビュー

実機テスト、データで語る。厳密な方法論でAI大規模モデル、スマートハードウェア、最先端技術を評価し、最も客観的な参考を提供します。

🏠 自社レビュー LMSYS Chatbot Arena MLCommons Ars Technica

GPT-o3性能断崖式下跌：知识工作能力暴跌12.1分背后的技术隐患

本周GPT-o3在知识工作维度出现严重性能退化，得分从82.4分骤降至70.3分，降幅达12.1分。这一异常表现集中体现在逻辑推理和语言理解两个核心能力上，引发了对模型稳定性的深度担忧。逻辑推理能力严重退化最典型的案例是"排班冲突"题目，GPT-o3的得分从满分100直接跌至10分。...