Cursor 评估负责人确认 Claude Fable 5 在 CursorBench 达 72.9% 新高
Cursor 的模型评估负责人 Nate Schmidt 发现，Claude Fable 5 在其内部基准 CursorBench 上以 Max effort 模式达到 72.9%，创下新高。该模型在模糊的真实编程任务中表现出全局推理能力，例如在航天模拟器中仅凭一句提示自主规划并成功登月，而此前 Claude Opus 运行 12 小时以上仍无结果。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2024-03-12 — 2024-03-12
重要进展 · 第 71 / 105 页
LiveCodeBench 持续收集新竞赛题评测模型
LiveCodeBench 从多个竞赛平台持续收集新题，同时测量生成、自修复、执行与测试输出预测，降低静态基准污染对结论的影响。
AI 编码 精选历史资讯
— · 1 条
精选资讯 · 第 1 / 1 页
分类
排序
暂无内容