User-flagged factuality · Refreshed 1,000 de-identified conversations: 229 retained cases and 771 new cases; separate general factuality and reported-issue graders; not comparable with earlier system-card versions · 测试定义与成绩

User-flagged factuality · Refreshed 1,000 de-identified conversations: 229 retained cases and 771 new cases; separate general factuality and reported-issue graders; not comparable with earlier system-card versions 收录 2 次模型发布的官方披露,当前资料暂无成绩记录。

测试版本与指标

别名 Performance in Cases Flagged by Users

  • Responses with at least one major factual error · % · 越低越好
  • Responses reproducing the user-reported error · % · 越低越好

各系列最新模型 · 公布成绩

各命名系列的最新型号在此范围内暂无可展示成绩,已收录的历史资料列在下方。

历史记录 · 2 次发布

  • GPT-6.2 Astra本次发布已收录官方披露,暂无成绩记录
  • GPT-6.2 Sol本次发布已收录官方披露,暂无成绩记录