Kurallar

https://agi.safe.ai/ adresindeki Humanity's Last Exam sonuçlarına eklenen bir sonraki Anthropic Claude Fable 5.2 modeli, sitede ilk kez göründüğü tarihten sonraki takvim gününde 12:00 ET itibarıyla belirtilen yüzdeye en az eşit bir HLE-Diamond Accuracy değerine sahipse bu piyasa "Evet" olarak sonuçlanır. Aksi takdirde bu piyasa "Hayır" sonucuna bağlanır. Koşulları karşılayan model, 9 Kasım 2026 tarihinde yayımlanan Anthropic Claude Fable 5.2 olmalı ve hızlı modu ile tüm effort veya reasoning etiketlerini içermelidir. Claude Mythos 5.2 koşulları karşılamaz. Piyasanın sonuçlanması için modelin https://agi.safe.ai/ adresindeki "AI Progress on HLE-Diamond" grafiğinde bulunan sonuç kartında "HLE-Diamond Accuracy" olarak gösterilen yüzde kullanılacaktır. Bu piyasa yalnızca HLE-Diamond Accuracy temelinde sonuçlanır; modelin Calibration Error değeri, grafikteki konumu, diğer yapılandırma puanları, bir puanın soru örneklemi üzerinden hesaplandığına dair herhangi bir not veya başka yerlerde sunulan temel ayrıntılı ya da yuvarlanmamış veriler dikkate alınmaz. Resmî Humanity's Last Exam sonuçlarını yöneten Center for AI Safety (CAIS), model için aşağıda tanımlanan koşullara uygun bir puan yayımlar ve model bu ilk yayından sonraki üçüncü takvim gününde (ET) 23:59 ET itibarıyla grafikte gösterilmemiş olursa, bunun yerine söz konusu puan kullanılır ve puan onda bir basamağa yuvarlanır. O zamana kadar model için birden fazla koşullara uygun puan yayımlanmışsa en yüksek olan kullanılır. Koşullara uygun puan, CAIS adına yayımlanan (örneğin https://agi.safe.ai/, https://lastexam.ai/ veya https://dashboard.safe.ai/ adreslerinde; Scale AI ile ortak yayımlar da dâhil) ve tam HLE-Diamond soru kümesinde (1.000 soru, 22 Eylül 2026 tarihinde yayımlandı) araç kullanılmadan, HLE-Diamond'ın ana sonuçlarında "high" olarak etiketlenen reasoning ayarında elde edilen genel doğruluk olarak açıkça tanımlanan puandır. Grafik değerinden veya koşullara uygun bir puandan başka hiçbir puan, koşullara uygun bir puan yayımlanmamış olsa bile hesaba katılmaz. Buna orijinal Humanity's Last Exam veya HLE-Rolling puanları, "reasoning max" veya "with tools" sonuçları, Reasoning veya Knowledge bölüm puanları, yalnızca API, veri dosyası ya da sayfa kaynağı üzerinden erişilebilen değerler, Scale AI'ın ayrı lider tablolarındaki puanlar, diğer değerlendiricilerin veya model geliştiricisinin puanları ve yukarıdaki koşulları karşılayıp karşılamadığı konusunda makul şüphe bulunan her türlü puan dahildir. Bir modelin sitede ilk kez görünmesi, modelin grafikte ilk kez gösterildiği tarih (ET) ile model için koşullara uygun bir puanın ilk kez yayımlandığı tarih (ET) arasındaki daha erken tarihtir. Grafik değeri kullanılırsa ilk paragrafta açıklanan kontrol, modelin grafikte ilk kez gösterilmesinden sonraki takvim gününde 12:00 ET itibarıyla yapılır; koşullara uygun bir puan kullanılırsa yukarıda açıklanan üç günlük sürenin sonunda yapılır. Aynı takvim gününde (ET) birden fazla koşullara uygun model Humanity's Last Exam sonuçlarına eklenirse, sonuçlanma için HLE-Diamond Accuracy değeri en yüksek model kullanılır. İlk koşullara uygun modelin ilk kez görünmesinden sonraki takvim gününde sonuçlara eklenen modeller dikkate alınmaz. Bir model önce Humanity's Last Exam sonuçlarına eklenir, ancak daha sonra kaldırılır ve yeniden eklenmezse ve kontrol sırasında bu kurallar kapsamında model için hiçbir HLE-Diamond Accuracy değeri mevcut değilse, modelin görünmesi Humanity's Last Exam sonuçlarına eklenmiş sayılmaz. Koşullara uygun bir model Humanity's Last Exam sonuçlarına yeni eklenmiş olmalıdır. Modelin sitede görünmeden önce daha önce yayımlanmış, kamuya açık, beta sürümünde veya başka şekilde erişilebilir olup olmadığı bu piyasa açısından önemli değildir. Resolution Source, Market'i sonuçlandırmaya yetecek verileri açıkça hatalı olacak şekilde ve teknik veya operasyonel bir hata ya da Resolution Source'a veya verilerine yönelik yetkisiz müdahalenin sonucu olarak yayımlarsa, Resolution Source tarafından yapılacak bir düzeltme beklentisiyle Market, ilk yayımdan itibaren (ET) en fazla yedi (7) takvim günü boyunca açık kalabilir. Resolution Source bu süre içinde düzeltilmiş bir değer yayımlarsa, bu değer sonuçlanma için kullanılabilir. Bu süre içinde düzeltilmiş bir değer yayımlanmazsa Polymarket, ilk yayımlanan değerin sonuçlanma için uygun olup olmadığını veya Market'in düzenli işleyişini korumak için başka bir işlem gerekip gerekmediğini belirlemek üzere bir Clarification yayımlar. Sonuçlanma Kaynağı bu süre içinde düzeltilmiş bir değer yayımlarsa, bu değer sonuçlanma için uygun olur. Bu süre içinde düzeltilmiş bir değer yayımlanmazsa Polymarket, ilk yayımlanan değerin sonuçlanma için uygun olup olmadığını veya Piyasanın düzenli işleyişini korumak için başka bir işlem gerekip gerekmediğini belirlemek üzere bir Açıklama yayımlar. Bu piyasanın birincil sonuçlanma kaynağı https://agi.safe.ai/ adresindeki resmî Humanity's Last Exam web sitesidir. Kontrol sırasında bu sonuçlanma kaynağı kullanılamıyorsa piyasa, modelin HLE-Diamond Accuracy değerinin kullanılabilir hâle geldiği ilk sonraki örneğe dayanarak sonuçlanır. Koşullara uygun modelin sitede ilk kez görünmesinden sonraki yedinci günün sonuna kadar kaynak kullanılamaz durumda kalırsa veya 30 Haziran 2027, 23:59 ET tarih ve saatine kadar hiçbir koşullara uygun model eklenmezse bu piyasa "Hayır" olarak sonuçlanır.

Makine çevirisi. Anlaşmazlık durumunda orijinal metin geçerlidir.