GPT-6 Astra在ARC-AGI-3拿下99.9%：我們該重新思考，哪些工作可以交給AI
Astra的99.9%是provider adapter harness在Semi-Private題目上的行動效率分數，不是工作成功率。它真正的用途，是重新測試你一次交給AI的工作單位可以多大。
概念 · 中級約13分鐘
評估與品質
怎麼建 eval 資料集、LLM-as-judge 的可信度邊界、產出品質怎麼量，沒有 eval 就上線會付出什麼代價。
怎麼建 eval 資料集、LLM-as-judge 的可信度邊界、產出品質怎麼量，沒有 eval 就上線會付出什麼代價。
Astra的99.9%是provider adapter harness在Semi-Private題目上的行動效率分數，不是工作成功率。它真正的用途，是重新測試你一次交給AI的工作單位可以多大。
概念 · 中級約13分鐘