Клянусь, каждая исследовательская организация сталкивалась с вопросом: "Как нам делиться большим количеством WIP, не заставляя людей воспринимать это как окончательный результат?" Мне нравится, как нажатие на новую страницу Заметок @METR_Evals меняет весь сайт на рукописный шрифт и фон мела. Сильный визуальный сигнал, кричащий "нет, серьезно, это черновик".

дико видеть это от Федерального резервного банка Далласа

• 20 августа: xAI говорит, что если модель >50% по MASK, это срабатывает ее порог "потери контроля" • 26 августа: Grok CF1 получил 72%, и xAI сказал, что это не представляет риска Кажется, что оба утверждения верны: MASK не является очень страшным ориентиром, и xAI должен объяснить, почему они изменили свое мнение за неделю.