NUWA 证据记录
Claude Sonnet 5
CharXiv · 证据记录
原始来源图表与材料
记录指标
- Attempt rate
- 16.3%
原文未披露本结果的样本量
Harness 未注明 · 预算未注明
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
Attempt rate：16.3 %；保留来源条件。
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。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。 本条限制说明（英文，完整保留）：Attempt includes correct prior-knowledge guesses and incorrect answers; not original CharXiv capability accuracy. Figure depicts confidence intervals and correct/incorrect stacks without exact interval/component labels; not estimated.
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 p.8