Laporan AI · Epoch AI · 2026-10-07 · Blog / komentar
Pembaruan EBR-bench
Judul asli: EBR-bench update
GPT-6 Astra meraih skor 100% pada EBR-bench asli, dengan skor sempurna di lebih dari separuh percobaannya. Semua skor tertingginya mengandalkan sebuah kartu yang melewati ekspektasi batas waktu default permainan, dan Epoch AI memutuskan untuk melarang kartu tersebut ke depannya. Scaffold multi-agen tidak berpengaruh jelas pada skor, tetapi tampaknya mendorong model untuk menjelajahi deck yang lebih beragam.