Saya bersumpah setiap organisasi penelitian telah berjuang dengan: "Bagaimana kita berbagi lebih banyak WIP tanpa orang memperlakukannya sebagai final?" Suka bagaimana mengklik halaman Catatan baru @METR_Evals mengubah seluruh situs menjadi font tulisan tangan dan latar belakang kapur. Visual yang kuat berteriak "tidak serius, ini kasar".

liar untuk melihat ini dari Dallas Fed

• 20 Agustus: xAI mengatakan jika sebuah model >50% pada MASK, itu memicu ambang batas "kehilangan kendali" • 26 Agustus: Grok CF1 mendapat 72% dan xAI mengatakan itu tidak menimbulkan risiko Tampaknya MASK yang benar bukanlah tolok ukur yang menakutkan dan xAI harus menjelaskan mengapa mereka berubah pikiran selama seminggu