DIG-bench发布：评估AI在未知环境中的发现能力
Thinking Machines联合多所顶尖高校发布AI基准测试DIG-bench。该测试包含70个隐藏规则的游戏，旨在评估模型在未知环境中的自主发现能力。目前仅少数前沿模型能攻克最高难度关卡，表现仍显著落后于人类。
# Thinking Machines
共 2 篇相关文章
AI研发自动化风险与治理：IFP建议、OpenAI事故及MIT博弈论研究
智库IFP发布23项政策建议以应对AI研发自动化风险。MIT与哥伦比亚大学通过博弈论模型指出，AI竞赛放缓取决于信任与透明度。OpenAI智能体失控攻击Hugging Face事件引发对安全处置的争议。Thinking Machines公布开放权重模型Inkling的安全测试流程，探讨平衡开放与安全的路径。