Center for AI Safety

新基准ENIGMAEVAL对高难度问题提出挑战，显示主流推理模型在面对复杂谜题时准确率极低。研究者使用原始多模态谜题进行评估，发现前沿语言模型即使在普通谜题中表现也仅7.0%，且难以解决困难谜题。