Humanity's Last Exam に関する報道

現在の LLM CoT 監視は、検証アンカーとしての最終回答に大きく依存しています。実際のところ、24 の主要な軌道に対する最終的な答えは正しかったのですが、推論のプロセスには実際の誤りがありました。これは、答えの正しさは推論の正当性を証明するものではなく、結果ベースの調整メカニズムによってモデルの内部ロジックの構造的欠陥が隠蔽される可能性があることを意味します。