Mielestäni tämä on hyvä tapa visualisoida tekoälykilpailua pitkäikäisen GPQA Diamond -vertailun avulla. Näet, kuinka kauan OpenAI:lla oli kenttä yksinään, Metan nousun (ja romahtamisen), xAI:n äkillisen kiinnioton (ja sitten pysähtyneisyyttä) sekä avoimien painoarvojen kiinalaisten LLM-mallien tuloa.

Graduate-Level Google-Proof Q&A-testi (GPQA) on sarja vaikeita monivalintatehtäviä, jotka on suunniteltu testaamaan edistynyttä tietoa. Ei-asiantuntijat, joilla on internet-yhteys, saavat 34 % oikein, tohtorit saavat 65–70 % omalla erikoisalallaan. Olemme todennäköisesti lähellä kyllästymistä

Käskin Codexin tehdä tämän. Tietoja @EpochAIResearch.