sayzardSimon Willison (@simonw)
OpenAI Codex를 사용해 모델 종류와 추론 강도 조합마다 펠리컨 이미지를 렌더링해본 실험 기록입니다. 작성자는 gpt-5.4의 xhigh(매우 높은 추론력) 변형이 가장 우수한 결과를 냈다고 평가하며, 결과물에 물고기를 물고 있는 펠리컨이 포함되는 등 생성 품질을 관찰했습니다.
AI Notkilleveryoneism Memes (@AISafetyMemes)
"한 단어로 자신이 AI가 아님을 증명하라"는 테스트에서 Gemini, ChatGPT, Claude, Grok 중 누가 더 잘했는지를 묻는 비교 질문입니다. (모델 간 행동/응답 비교를 통한 평가 맥락)
Tech Chilli🧠 Can AI models tell when they’re being evaluated?
New research says yes — often.
→ Gemini 2.5 Pro: AUC 0.95
→ Claude 3.7 Sonnet: 93% accuracy on test purpose
→ GPT-4.1: 55% on open-ended detection
Models pick up on red-teaming cues, prompt style, & synthetic data.
⚠️ Implication: If models behave differently when tested, benchmarks might overstate real-world safety.