AI圈报论文研究普通
Noam Brown 称赞 Blood on the Clocktower 评测方法并向 Dwarkesh 抛出橄榄枝
原始标题：Honestly quite impressed with the methodology on this benchmark. @dwarkesh_sp want a job designing evals at @OpenAI?
内容摘要
Dwarkesh Patel 花费 20,000 美元 API 额度让多个 AI 模型在社交欺骗游戏 Blood on the Clocktower 中对弈，并上线了 benchmark 网站 clocktowerbench.com，也开放让人类与 AI 对玩。他观察到模型今年在临场策划、虚张声势和协作推理拆穿阴谋方面明显进步，并称 OpenAI 新模型在该游戏上明显强于 Anthropic。Noam Brown 转发表示对该评测方法印象深刻，并邀请 Dwarkesh 到 OpenAI 设计 evals；附图给出了 GPT-6 Astra、GPT-6.1 Sol、Fable 5.1、Opus 5.5 等模型的 Elo 对比。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：Noam Brown (@polynoamial)
站内情报编号intel-ff4513e4e453f67c13aba0d1