Grok 4.5 基准受训练污染影响
SkyLi0n · x · 2026-07-10
帖子称，Grok 4.5 在 CursorBench 上的优势，部分原因是训练数据里意外包含了 Cursor 代码库的早期快照。
作者还提到，这一批次数据已被移除，后续模型不会再包含该问题。
所属事件:Grok 4.5 跑分亮眼但陷测试集泄露争议(6 条相关)→
「模型」频道最新
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11