Les tests hors ligne ont montré de moins bons résultats des modèles IA

Post Thumbnail

L’intelligence artificielle a officiellement dépassé l’humain moyen en QI. GPT-5 Pro a montré des résultats de 110 à 138 points, tandis que le QI humain moyen est de 100 points. Mais comprenons ce que cela signifie vraiment.

Le portail Tracking AI a mené des tests à grande échelle de modèles IA. Au sommet se trouvaient 2 versions de GPT-5 Pro. Avec vision par ordinateur activée et désactivée. Derrière eux suivent Gemini 2.5 Pro, Claude Opus 4 et Grok 4.

Mais il y a une nuance importante. Contrairement aux humains, l’intelligence artificielle n’est pas limitée dans le temps et peut faire jusqu’à 10 tentatives pour résoudre chaque tâche. Ceci a été fait pour contourner les systèmes de sécurité qui bloquent parfois des mots comme examen ou formation.

Pour les tests, ils ont utilisé 2 types de tâches. Premier — le test officiel Mensa Norway, 35 tâches en 25 minutes. Deuxième — un test hors ligne spécial, créé de zéro et absent d’internet. Cela a exclu la possibilité de pré-entraînement des modèles sur ces tâches.

Ils ont testé les modèles avec vision par ordinateur activée et désactivée. Dans le deuxième cas, les tâches étaient décrites complètement en texte. Et vous savez quoi ? Presque tous les modèles ont montré de moins bons résultats sur le test hors ligne. Cela prouve — des benchmarks de qualité pour l’intelligence artificielle doivent être créés de zéro et protégés contre les fuites vers internet.

L’intelligence artificielle a formellement dépassé l’humain dans les tests d’intelligence classiques. Mais la comparaison est incorrecte. Les tests de QI mesurent un type spécifique de reconnaissance de motifs dans lequel l’intelligence artificielle est naturellement forte. Plus 10 tentatives sans limites de temps – ce sont des conditions de test complètement différentes. Il semble que ces « chercheurs » créent délibérément des conditions pour faire paraître l’intelligence artificielle plus intelligente.

AIvengo > Avis > Les tests hors ligne ont montré de moins bons résultats des modèles IA
Почитать из последнего
UBTech enverra des robots Walker S2 servir à la frontière chinoise pour $37 millions
L'entreprise chinoise UBTech a remporté un contrat de $37 millions. Et enverra des robots humanoïdes Walker S2 servir à la frontière de la Chine avec le Vietnam. South China Morning Post rapporte que les robots interagiront avec les touristes et le personnel, effectueront des opérations logistiques, inspecteront les marchandises et patrouilleront le territoire. Et caractéristiquement — ils peuvent changer leur batterie de manière autonome.
Anthropic a révélé accidentellement un document interne sur "l'âme" de Claude
Anthropic a révélé accidentellement "l'âme" de l'intelligence artificielle à un utilisateur. Et ce n'est pas une métaphore. C'est un document interne tout à fait concret.
Jensen Huang a ordonné aux employés de Nvidia d'utiliser l'IA partout
Jensen Huang a annoncé une mobilisation totale sous la bannière de l'intelligence artificielle à l'intérieur de Nvidia. Et ce n'est plus une recommandation. C'est une exigence.
Les chatbots IA génèrent du contenu qui aggrave les troubles alimentaires
Une étude conjointe de l'Université Stanford et du Center for Democracy and Technology a montré un tableau inquiétant. Les chatbots avec intelligence artificielle représentent un risque sérieux pour les personnes souffrant de troubles alimentaires. Les scientifiques avertissent que les réseaux neuronaux distribuent des conseils nuisibles sur les régimes. Ils proposent des moyens de cacher le trouble et génèrent du "contenu inspirant pour perdre du poids" qui aggrave le problème.
OpenAGI a publié le modèle Lux qui dépasse Google et OpenAI
La startup OpenAGI a publié le modèle Lux pour le contrôle d'ordinateur et affirme que c'est une percée. Selon les benchmarks, le modèle dépasse d'une génération entière les analogues de Google, OpenAI et Anthropic. De plus, il fonctionne plus vite. Environ 1 seconde par étape au lieu de 3 secondes chez les concurrents. Et 10 fois moins cher en coût par traitement de 1 token.