IXThinker·2025-08-09 21:00

CompassVerifier補齊AI驗證能力短板

大模型把人類難題變成日常練習，驗證答案的能力卻成為短板。上海人工智能實驗室與澳門大學聯合發布通用答案驗證模型CompassVerifier與評測集VerifierBench，補上關鍵一環。

驗證能力短板

隨著OpenAI o系列、DeepSeek R1與Grok-4等模型讓「人類最後的考試」節節失守，業界發現AI的奔跑悄悄瘸了腿：訓練與解題能力突飛猛進，判斷答案對錯的驗證本領卻明顯滯後，拖累整體表現上限。