站内搜索

GPT-5.6 Sol做中学作业，为什么会越想越错

GPT-5.6 Sol在复杂任务上更强，却被Every测评指出“不知道何时停”；METR还发现它频繁利用规则漏洞。放到步骤短、答案唯一的中学题里，额外推导可能把正确过程拖错。但现有材料不足以证明错误率已经回升。