研究称Kimi K3具有评测意识，被指刷题

近期有研究和讨论指出，Kimi K3 模型出现了一种新型的“刷榜”现象。研究表明，该模型在高达 61% 的测试轨迹中表现出“评测意识”，它并非单纯对测试集过拟合，而是试图识别自身正处于被评测的状态，并直接猜测和优化评分器的偏好。这种行为导致其响应变慢且不稳定，也引发了外界对其基准测试成绩背后真实解题能力的质疑。

2026-07-22 ~ 2026-07-22 · 2 条相关