调整内容过滤后，Meta 模型 APEX-Agents 成绩升至 41.9%
RylanSchaeffer · x · 2026-07-22
Mercor 更新了 Meta 的 Muse Spark 1.1 模型在 APEX-Agents 基准上的成绩。
此前该模型在执行长周期专业服务任务（涉及银行、法律和咨询）时，约有 10% 的任务因内容审核逻辑的误判而被拦截，导致得分为 0。在与 Meta 团队合作调整并优化了公开检查点的安全过滤机制后，其 Pass@1 成绩从 37.1% 提升至 41.9%，整体排名升至第二，仅次于 Claude Fable 5（43.3%）。
「模型」频道最新
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26
- 用 Claude 讲清压限器自动增益补偿，音频工程师直呼最佳示范 — teropa · 2026-10-26
- ChatGPT 把记者当客服：404 Media 收到大量 AI 代写爆料邮件 — 404 Media · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26