Artificial Analysis Adds SubQ Snap 1.2 Results to Decision Index
中文版本尚未就绪 · 显示原文
先了解这件事
Artificial Analysis reports that SubQ Snap 1.2 scored 73 on Decision Index v2.1, up from 68 for version 1.1 and within 0.1 points of Drex Max v1.1 and GLiDE v1.2. Its all-pass rate on AA-Paperclip rose from 46% to 62%. On AA-Omniscience-Decision and HLE-MultiChoice, non-hallucination rates improved while accuracy stayed at 21% and 9%, respectively; Artificial Analysis attributes those gains to abstention. The results build on Decision Index v2, which Artificial Analysis released with private datasets accounting for 45% of the index, up from 25% in v1. The updated Decision Score rewards both correct answers and calibrated confidence.
AI 根据报道生成 · 7 小时前更新
接下来读什么
今日还有哪些重要变化Google 扩展 Antigravity 团队协作，助力研究与工程工作事件进展
2 个进展
- 11月14日 08:14 · 1篇报道Artificial Analysis Ranks SubQ Snap 1.2 on Decision Index v2.1Artificial Analysis · X：SubQ Snap 1.2 在 Artificial Analysis Decision Index v2.1 中得分 73
- 11月9日 07:51 · 1篇报道Artificial Analysis Releases Decision Index v2Artificial Analysis · X：Artificial Analysis 发布 Decision Index v2，新增基准测试和校准感知评分
报道时间线
沿着报道，了解事件的不同侧面。
- SubQ Snap 1.2 在 Artificial Analysis Decision Index v2.1 中得分 73
Artificial Analysis 报告称，SubQ Snap 1.2 在其 Decision Index v2.1 中得分 73，高于 1.1 版的 68 分，与 Drex Max v1.1 和 GLiDE v1.2 的分差在 0.1 分以内。它在 AA-Paperclip 上的全通过率从 46% 升至 62%。在 AA-Omniscience-Decision 和 HLE-MultiChoice 上，非幻觉率有所提高，而准确率分别维持在 21% 和 9%；该帖子将这些提升归因于弃答。
- Artificial Analysis 发布 Decision Index v2，新增基准测试和校准感知评分
Artificial Analysis 发布了 Decision Index v2，其中基于私有数据集的指数占比现为 45%，高于 v1 的 25%。其新推出的 Decision Score 既奖励答对问题，也奖励置信度校准。Drex Max v1.1 和 GLiDE v1.2 均得分 73，Mammoth 27B 得分 72；该文章还比较了决策模型和语言模型在各项任务中的成本与耗时。
每天一封，跟上 AI 的重要变化
模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。 看一份往期日报
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1011月14日 09:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。