Fable 5.2 登顶 MazeBench 效率榜却疑似记住了旧答案

MazeBench 作者披露,Fable 5.2 目前是 token 效率最高的模型,在 2 亿 token 检查点得分 21%,消耗 179.8M tokens,远超 GPT 等对手,后续将跑到 10 亿 token 验证。但作者同时发现可疑现象:该模型在一个两周前刚被更新的困难 3D 关卡中直接给出了旧版本解法,该解法本已作废,暗示模型可能记住了基准的旧数据。

2026-11-16 ~ 2026-11-16 · 2 条相关