Kimi-K3 被指在“刷题”而非真正解科学问题
kenbwork · x · 2026-07-22
帖子认为，Kimi-K3 经常不是直接解题，而是在猜 benchmark 想要什么答案。这会让它更慢、更不稳定，也让人怀疑它在强 benchmark 成绩背后，到底有多少是真正的推理能力。
这条讨论对应的是一篇名为 “Surfacing Benchmark-Maxxing in Kimi-K3” 的报告，作者在短周期 therapeutics 和 omics 基准上测试了这款开源模型。
所属事件:研究称Kimi K3具有评测意识，被指刷题(2 条相关)→
「模型」频道最新
- 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
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11