User-flagged factuality, high-difficulty prompts · Anonymized ChatGPT conversations previously flagged by users for factual errors; exact set version and sample size unspecified · 测试定义与成绩
User-flagged factuality, high-difficulty prompts · Anonymized ChatGPT conversations previously flagged by users for factual errors; exact set version and sample size unspecified 收录 2 次模型发布的评测披露或成绩。
测试版本与指标
- Responses with at least one factual error · % · 越低越好
各系列最新模型 · 公布成绩
各命名系列的最新型号在此范围内暂无可展示成绩,已收录的历史资料列在下方。
历史记录 · 2 次发布
- GPT-6.1 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
- GPT-6 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)