deception-bench 得 0 分被指意味着测试失效

MoonL88537 连发两帖指出一个反直觉现象：模型在 deception-bench 上得 0 分并非好事，而往往说明基准测试本身失效——0 分只代表模型从未被测出欺骗行为，不代表其诚实。他进一步强调，若模型在该基准上持续得 0 分，说明测试已无可测之物，基准已失去价值，应警惕对这类结果的误读。

2026-09-04 ~ 2026-09-04 · 2 条相关