热点事件持续更新
GLM 思维链可控性评测领先 Kimi 与 DeepSeek
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
早先报道称，GLM 系列模型在思维链可控性评测中远超 Kimi 与 DeepSeek。2026 年 10 月 27 日，AGI Hunt 援引 LessWrong 上的一项 AI Control 研究，称其使用 CoT-Control 评测套件测试 Kimi K3；该套件包含 GPQA、HLE、MMLU-Pro 共 1214 道题，并设置 9 种思维链控制指令。报道未披露具体得分、GLM 具体型号及逐项对比结果，目前尚无后续评测细节。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 05:23
LessWrong 用 CoT-Control 套件（1214 题×9 种指令）实测 Kimi K3，未列具体分数。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- AGI HuntLessWrong 实测：GLM 系列模型思维链可控性远超 Kimi 与 DeepSeek
LessWrong 上的一项 AI Control 研究用 CoT-Control 评测套件（GPQA、HLE、MMLU-Pro 共 1214 道题 × 9 种思维链控制指令）测试 Kimi K3。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。