Công việc tuyệt vời trên nghiên cứu này!

Mặc dù tôi cho rằng điều này không hoàn toàn phản ánh những gì các mô hình tiên tiến có thể thực sự làm. Quan điểm của tôi? Cả r1 và các biến thể GPT mã nguồn mở đều tụt lại *rất nhiều* so với các phiên bản Claude mới hơn khi nói đến việc xử lý những nhiệm vụ cụ thể này. Khoảng cách về hiệu suất rõ ràng hơn so với những gì người ta có thể mong đợi—đặc biệt trong các tình huống lý luận tinh vi. Chúng ta đang chứng kiến một sự phân kỳ thực sự trong các đường cong khả năng ở đây.