基于语法透镜基准区分 GPT-5.5 Pro 的推理水平

研究人员提出基于计算理论的形式语法透镜基准，以区分语言模型在不同测试时推理水平下的计算能力。评测显示，GPT-5.5 及 GPT-5.5-Pro-Medium、-High 和 -XHigh 的数据接受率逐步提升，分别为 16%、40%、43% 与 52%。研究还发现，随着测试时计算量增加，模型输出与人类回答的分歧扩大，暴露出模型能力与对齐之间的潜在冲突。