DeepMind 研究员点评 Meta Muse Spark 1.3 系统卡 CoT 可控性评测

Meta 在 Muse Spark 1.3 系统卡中报告了思维链（CoT）可控性评测，加入 OpenAI、Anthropic 和 GDM 的行列。配图 Table 12 显示，在 GPQA Diamond、HLE text、SWE-bench Verified 上，1.1 与 1.3 的 CoT compliance 均≤0.05，任务正确率为 0.49–0.93。