کسی خرج کرده و 20000 هوش مصنوعی می تواند در Werewolf Podcaster به یکدیگر دروغ بگوید Dwarkesh Patel حدود 20000 دلار اعتبار API پرداخت تا مدل های مرزی را وادار کند تا Blood on the Clock - یک بازی کسر اجتماعی مانند گرگ - را علیه یکدیگر برای 386 بازی انجام دهند. یک مدل با همه تیم های خوب بازی می کند، دیگری با همه تیم های بد بازی می کند. GPT-6 از OpenAI با 1859 بازدید در مقابل Cloud Opus 4.6 پیشتاز است و در حدود 92 درصد مواقع برنده شده است. Dewarsh می گوید لبه عمدتاً دروغ ها را جذب می کند و چیزهای بهتری را نمی گوید. رتبه‌بندی‌ها و بازپخش‌های کامل در Watchtowerbench.com هستند. شما همچنین می توانید AI را خودتان بازی کنید. شرایط:

کسی خرج کرده و 20000 هوش مصنوعی می تواند در Werewolf Podcaster به یکدیگر دروغ بگوید Dwarkesh Patel حدود 20000 دلار اعتبار API پرداخت تا مدل های مرزی را وادار کند تا Blood on the Clock - یک بازی کسر اجتماعی مانند گرگ - را علیه یکدیگر برای 386 بازی انجام دهند. یک مدل با همه تیم های خوب بازی می کند، دیگری با همه تیم های بد بازی می کند. GPT-6 از OpenAI با 1859 بازدید در مقابل Cloud Opus 4.6 پیشتاز است و در حدود 92 درصد مواقع برنده شده است. Dewarsh می گوید لبه عمدتاً دروغ ها را جذب می کند و چیزهای بهتری را نمی گوید. رتبه‌بندی‌ها و بازپخش‌های کامل در Watchtowerbench.com هستند. شما همچنین می توانید AI را خودتان بازی کنید. شرایط: