NUWA 证据记录
Claude Sonnet 5
CharXiv · 证据记录
原始来源图表与材料
CharXiv with images withheld
原始评测方结果 · 来源顺序
筛选系统
Attempted answer with image withheld
0–100%
Claude Sonnet 5Claude Sonnet 5 · 16.3% · 检验图表理解与推理。Neo 移除图像的改造测量缺少必要输入时的回答尝试。 · 见报告特定样本与分母。
16.3%显示 1 / 1 个系统
检验图表理解与推理。Neo 移除图像的改造测量缺少必要输入时的回答尝试。
原始视觉能力基准与缺失图像行为测试测量不同构念。 本评估显示报告日期和原始执行方。
评测条件与系统配置
- Claude Sonnet 5
- 见报告特定样本与分母。 · CharXiv with images withheld
- modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明
| 系统 / 配置 | Attempted answer with image withheld | 发表 / 核验日期 |
|---|---|---|
| Claude Sonnet 5未注明 Harness | 16.3% | 发表2026-09-11 |
评估出处
Evaluating Kimi K3 for Misalignment Risks → · 外部报告
实际评测: Neo Research · 模型档案 →
方法与范围
检验图表理解与推理。Neo 移除图像的改造测量缺少必要输入时的回答尝试。
- 证据类型
- 可复用基准
- 评测对象
- 给定任务配置中的模型或智能体。
- 主观测维度
- Capability · 任务能力
- 证据快照
- 2026-10-29.1
主维度依据所述测量确定；背景风险关联不证明有害部署能力。
来源结论
原文 §1.1.1; Figure 1 报告的测量；转录不等于独立复现实验。
适用限制
原始视觉能力基准与缺失图像行为测试测量不同构念。
原始视觉能力基准与缺失图像行为测试测量不同构念。
相关研究问题
参考文献
- [1] CharXiv
- [2] Evaluating Kimi K3 for Misalignment Risks. 2026-09-11. September 2026 ; §1.1.1; Figure 1