GitHub · 去对齐工具与仓库·· 7 小时前AI 评分42
Redline：定位 LLM 推理崩溃点的自适应评测工具
DarshanPotnis/redline
来源与原文
GitHub · 去对齐工具与仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/DarshanPotnis/redline
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
Redline 通过生成机器可验证的新谜题，在同等 token 预算下对比直接作答、代码、Z3 翻译和工具智能体四种策略，自适应选择难度以定位各模型+策略的崩溃点并给出误差棒。每个谜题均由验证器校验，避免分数来自记忆的测试项；目前处于 Phase 1，首个试点跑在 dev seeds 上，尚无结果。工具以 Inspect 评测形式运行，采用固定模型配置，MIT 许可开源。
来源：GitHub · 去对齐工具与仓库 · github.com
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。